所有人都會(huì)做夢(mèng)。人在睡眠的時(shí)候，腦細(xì)胞同樣也進(jìn)入了休息和放松的狀態(tài)，但有一部分腦細(xì)胞并沒有完全休息，一些微弱的刺激就會(huì)引發(fā)它們的活動(dòng)，從而讓人們進(jìn)入夢(mèng)境。

在大多數(shù)情況下，夢(mèng)是使人愉快的。當(dāng)我們睡覺時(shí)，我們記憶中的視覺和音頻碎片結(jié)合成無(wú)意義的片段和全新的故事。松散的回憶瞬間融合了生動(dòng)、形象的場(chǎng)景，在夢(mèng)中我們會(huì)與已知人物形成的角色進(jìn)行互動(dòng)。

做夢(mèng)并不是睡眠的副產(chǎn)品，而是我們大腦工作的必要過(guò)程之一。做夢(mèng)時(shí)，我們的大腦過(guò)濾了清醒時(shí)收集的信息，然后神經(jīng)系統(tǒng)開始發(fā)揮作用——拋棄不相關(guān)的東西，鞏固重要的東西，以及形成和儲(chǔ)存記憶，這些機(jī)制在整個(gè)哺乳動(dòng)物界幾乎都是相同的并且非常行之有效。

那么問(wèn)題來(lái)了：人工智能也需要同樣的機(jī)制來(lái)過(guò)濾、處理信息嗎？

意大利的一組科研人員在數(shù)學(xué)模型上模擬了這個(gè)過(guò)程，并將其輸入了一個(gè)人工智能系統(tǒng)，結(jié)果得出了一種算法，即通過(guò)強(qiáng)制它們進(jìn)入離線睡眠狀態(tài)來(lái)擴(kuò)展人工智能網(wǎng)絡(luò)的存儲(chǔ)容量，在此期間它們強(qiáng)化有用的存儲(chǔ)信息并刪除了不相關(guān)的信息。

Adriano Barra是意大利薩蘭托大學(xué)的理論物理學(xué)家。Barra與他的同事Elena Agliari和Alberto Fachechi正在研究大腦這樣復(fù)雜的系統(tǒng)，并為人類大腦制作了神經(jīng)生物學(xué)的數(shù)學(xué)模型。

“我們的理論物理學(xué)家比工程師有著一些優(yōu)勢(shì)，”Barra說(shuō)。“由于數(shù)學(xué)模型是相同的，所以我們可以將我們的結(jié)果應(yīng)用于人工智能。我們是神經(jīng)生物學(xué)和工程學(xué)之間的橋梁。”

在搞清楚“做夢(mèng)模型”能為人工智能帶來(lái)什么之前，我們先要了解一下現(xiàn)在的人工智能神經(jīng)網(wǎng)絡(luò)的一些問(wèn)題。

人工智能神經(jīng)網(wǎng)絡(luò)的經(jīng)典藍(lán)圖之一是Hopfield模型。它由John Hopfield于1982年開發(fā)，這個(gè)模型描述了人工智能神經(jīng)網(wǎng)絡(luò)如何模仿真實(shí)大腦的模式識(shí)別等機(jī)制來(lái)學(xué)習(xí)和檢索信息。這個(gè)模型雖然發(fā)明于30多年前，但是一直沿用至今，并且在機(jī)器學(xué)習(xí)、聯(lián)想記憶、模式識(shí)別、優(yōu)化計(jì)算等方面依然存在著廣泛的應(yīng)用，是現(xiàn)今人工智能進(jìn)行深度學(xué)習(xí)的重要理論基礎(chǔ)之一。

Hopfield神經(jīng)網(wǎng)絡(luò)是一種單層互相全連接的反饋型神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)中的每一個(gè)神經(jīng)元都將自己的輸出通過(guò)連接權(quán)傳送給所有其他神經(jīng)元，同時(shí)又接收著其他神經(jīng)元傳遞過(guò)來(lái)的信息。

Hopfield神經(jīng)網(wǎng)絡(luò)最受歡迎的學(xué)習(xí)規(guī)則是赫布學(xué)習(xí)法，它提出了在學(xué)習(xí)過(guò)程中如何加強(qiáng)神經(jīng)元之間的突觸（一個(gè)神經(jīng)元的沖動(dòng)傳到另一個(gè)神經(jīng)元或傳到另一細(xì)胞間的相互接觸的結(jié)構(gòu)）。赫布學(xué)習(xí)法對(duì)全球的人腦研究做出了巨大的貢獻(xiàn)，對(duì)現(xiàn)今的神經(jīng)科學(xué)、認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)、行為科學(xué)等研究產(chǎn)生著深遠(yuǎn)的影響。

然而，這個(gè)經(jīng)典藍(lán)圖存在一個(gè)缺點(diǎn)，通常情況下它只能存儲(chǔ)有限數(shù)量的信息。以數(shù)學(xué)的方式表示，即該對(duì)稱網(wǎng)絡(luò)的最大存儲(chǔ)容量為 α~0.14。但是，理論極限是1，或α= 1。

處于“清醒”或在線狀態(tài)的人工智能神經(jīng)網(wǎng)絡(luò)總是在學(xué)習(xí)新的信息模式。然而，除了理想的模式，他們還收集不相關(guān)的，甚至是假的模式。神經(jīng)網(wǎng)絡(luò)可以通過(guò)網(wǎng)絡(luò)儲(chǔ)存重要的模式，但存儲(chǔ)錯(cuò)誤不可避免地會(huì)出現(xiàn)，導(dǎo)致不相關(guān)的假模式同樣被儲(chǔ)存。