如果外星人访问地球，他们可能首先会注意到我们的一个奇怪现象：不论什么地方的地球人，似乎都非常痴迷于一些虚构的东西，比如电视剧、电影、电子游戏和小说，等等。
这些外星人可能会想，地球人是不是太蠢了，连真假都分不清，在假的事情上投入那么多的精力!
图片
当外星人得知我们要睡觉，睡觉时还做梦，他们的疑惑可能就更大了。因为梦也是虚构的，做梦也需要投入时间和精力。
如果他们懂一点进化论，这时就会琢磨：作为一项普遍的生理活动，做梦或许是有其进化目的的;同样，梦和电影、小说一样，都有“虚构”的特征，这样，当外星人知道了地球人为什么要做梦的奥秘，或许也能解释为什么地球人在清醒时热衷于小说、电影。
那么，地球人为何要做梦呢?
做梦的生物学机制
我们对梦的兴趣，可能跟人类的历史一样长。我们知道，梦有如下几个特征：出现在梦境中的事物，大多细节不太清晰，譬如我们甚少记得梦中的东西是什么颜色的;梦是非现实的，梦中的事物高度扭曲、变形;梦往往围绕一个故事展开，只是情节可能非常荒谬，不合逻辑。
历史上，几乎每个民族都发展出一套解梦学，但长期以来，对梦的研究夹杂着种种迷信和误解，甚至连堪称“现代解梦学”的弗洛伊德学说也不例外。弗洛伊德是20世纪初奥地利的精神分析学家。他认为，梦是一个人压抑的潜意识欲望的表达。这些欲望因见不得人，在我们清醒的时候，一直被意识压制着，要等到我们睡着了，意识放松了管制，它们才会以梦的形式，乔装改扮释放出来。但弗洛伊德的观点被随后的神经学研究所否定。
图片
对于梦的研究，需要回答两个问题：第一，做梦是怎么回事?做梦的神经机制是什么?第二，我们为什么要做梦?做梦有何进化的目的?
近几十年来，神经学研究对第一个问题给出了大致的解答。首先我们知道，人一个晚上的睡眠要经历大约5~6个睡眠周期。每个睡眠周期大约要经历4个阶段，即浅睡期、熟睡期、深睡期和快速眼动期。其中最后一个阶段是快速眼动睡眠阶段，做梦就发生在这一阶段。
此外，我们还知道，梦是神经元局部放电的结果。这些神经元组成了一个闭合回路。它们一般不依赖于外部刺激，就能形成类似于我们在清醒时的神经活动，但这些神经活动又不会传达到肢体，所以无法像我们在清醒时那样，把所思所想付诸行动。
然而，尽管神经学家对第一个问题有了许多认识，但对第二个问题却不甚了然。有些人认为，做梦并没有任何进化目的，它们只是睡眠的副产品，而睡眠的进化目的可能是清除白天神经活动中产生的代谢废物。
但是这种关于做梦没有目的的观点，已经受到神经学研究的挑战。
梦是记忆的重放?
目前解释“做梦有何用”的主流假说认为，做梦在某种程度上参与了记忆的“搬运”。我们知道，记忆分工作记忆和长期记忆。工作记忆类似于将数据保存在电脑内存里;长期记忆类似于将数据保存在硬盘里。海马体类似电脑的内存，工作记忆保存在海马体中;而大脑皮层类似于电脑的硬盘，长期记忆保存在大脑皮层。我们在白天接收的大量信息，暂时都储存在海马体中;到了夜晚睡眠的时候，需要把它们搬到大脑皮层，做永久储存;而做梦参与了这个信息的搬运过程。
支持这个假说的一个证据是，我们在清醒时大脑的某些特定的神经活动模式，在睡眠中有时也会重现。这似乎表明，白天的画面在睡眠中被“重放”。也许梦就是记忆的重放。
图片
我们自己的经验似乎也可以佐证。譬如，我们学习一款新游戏，练了一个晚上都没学会，但睡了一个好觉之后，第二天我们发现自己一学就会了。似乎在我们的睡梦中，记忆和学习的过程依然在进行。
但是，这个假说也有几点令人质疑：首先，睡眠的作用是不是巩固记忆就值得商榷。我们睡上一觉之后，记忆无疑会得到很大改善，但受益的不单单是记忆，其他方面，譬如计算能力、决策能力，也会得到改善。其次，既然梦是“记忆的重放”，那么“记忆重放”就应该发生在与做梦相关的快速眼动睡眠阶段，但事实上，科学家研究发现，“记忆重放”恰恰更多地发生在睡眠的其他阶段，这就很奇怪。最后，如果梦是记忆的重放，梦中事物为什么更多是以扭曲、变形、荒诞的形式出现，而不是以真实记忆的形式出现呢?再说，回放失败的经历(例如前面学习玩新游戏的例子)，对我们又有什么好处呢?
神经网络是怎么学习的?
在这种情况下，有人受人工智能研究的启发，亿博电竞app最近提出一个解释做梦用途的新假说(很有意思，人工智能最初是受大脑功能的启发而发展起来的，其目的是让机器在复杂任务上达到人类的认知水平，但没想到，人工智能的一些做法反过来又可能解释大脑的许多未解之谜，比如做梦)。
所谓的人工智能，就是先模拟大脑的神经系统建立一个神经网络，然后让神经网络学习，来调整自己，以便更好地完成复杂任务。从人工智能的角度，学习并不像在电脑上存储记忆那么简单(正如我们的学习也不等于死记硬背)，相反，需要利用一组数据对神经网络进行训练。在训练过程中，不断调整神经网络连接的模式和强度，直至能够有效地解析训练中使用的所有数据。譬如，用100万张图片训练一个人脸识别系统，那么训练结束，这个神经网络要求能够识别出100万张图片中所有的人脸图片。
图片
但训练的真正目的是用学到的经验去识别新的、之前未见过的数据。这并不总是能奏效的，因为用于训练的数据毕竟有限，不能把所有方方面面都考虑周全。以人脸识别为例，如果你用来训练神经网络的人脸图片都来自中国人，那么当它遇到一张外国人的人脸时，很可能就出错。
这就是所谓的“过度拟合”，是人工智能学习中一个普遍存在的问题。拟合是数学上的一个术语。比如，我们做一个物理实验，研究力和加速度的关系(力=质量×加速度)。我们测量得到一组力和加速度的数据，将其描画在坐标纸上。从理论上讲，力和加速度应该是正比关系，在坐标纸上对应一条直线。但在实际测量中，把测量所得到的数据画在坐标纸上时，这些点不可能刚好都落在一条直线上。这就需要通过适当的办法，来归纳出这组数据的规律。这就是拟合。但拟合的方式有很多，你可以用最接近所有点的一条直线来拟合(在这个例子中，正是我们所需要的)，你也可以直接用一段段折线把相邻点简单连接起来。在后一种情况下，虽然所有点都落在你描画的折线上，但这对于我们探索规律毫无意义。这就属于过度拟合。过度拟合就是过度拘泥于一些不重要的东西，没抓住本质，只能死板地重复已有的数据，而不能预言新情况。
假如你训练人脸识别系统的时候，所有人脸图片上的人都是有头发的，而且头发都是黑色的，那么这样训练出来的人脸识别系统，很可能就把“有没有头发”甚至“头发是不是黑色”当作判断是人脸还是普通物体的重要依据。这就属于过度拟合。因为我们完全可以剃光头或者把头发染成黄色。
推而广之，生活中死磕书本、死抱教条、思维僵化，应付不了新事物、新挑战，从人工智能的角度说，也属于过度拟合。
为了让人工智能在学习过程中避免陷入过度拟合的陷阱，科学家往往在训练时，有意输入一些随机的、扭曲变形的东西。譬如在训练人脸识别系统时，故意让有些图片中的人脸模糊不清，让有些人脸经过适当变形，这样一个人即使离镜头较远或者哪怕经历胖瘦的变化，也能识别出来。这种策略对于提高人工智能的灵活性非常有效，现在被认为是不可或缺的步骤。
虚构为了避免思维僵化
我们有充分的理由相信，大脑也面临着同样的过度拟合的挑战。
从人工智能的角度看，人类面对生存的挑战，就是不断地把自己的经历当作“数据”输入大脑，对大脑的神经网络进行训练，然后去面对新挑战。在这过程中，环境在不断变化，今天遇到蛇，明天遇到虎，今天得来的对付蛇的经验，明天面对虎就不一定管用，所以灵活性是最重要的。
如何提高大脑的灵活性呢?对了，通过做梦。通过把梦中出现的那些不是特别清晰，甚至高度扭曲、变形的事物当作“数据”，输入大脑的神经网络，来训练和提高其灵活性，避免过度拟合的缺陷。
图片
这种事情你不能在清醒的时候做。譬如你想获得掉进深渊的恐怖体验，训练大脑对高处的畏惧感，如果在醒着的时候往楼下跳，那就太危险了。所以只能在大脑“离线”期间——睡眠的时候——做这类事情。
这就是关于梦的“过度拟合假说”。梦正是自我产生的扭曲变形的“数据输入”。做梦有助于改善我们清醒时的表现，奥秘即在于此。梦到飞行可能有助于你在跑步时保持平衡;梦到滑倒可能有助于你在冰雪路面行走时保持警惕……
通过这个新视角来看待梦，我们至少不会再把做梦当做简单的记忆的“搬运”。我们还可以从中获得有益的启示：学习不是死记硬背，死记硬背和什么都不记可能一样糟糕。
如果这个“过度拟合假说”是对的亿博电竞app，如果做梦真有让大脑避免过分执着于过去经验的进化目的，那么对于我们清醒时对电影、小说等虚构事物的痴迷，或许也就不难理解了：这些虚构的事物同样可以训练我们的大脑，帮助我们扩大认知，提高归纳和概括能力，避免思维僵化。假如外星人认识到这一点，也许就会疑惑全消，甚至要把从我们这里取来的经带回他们的星球去推广了。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。