本文来自微信公众号:nextquestion(ID:gh_2414d982daee),作者:Jim Davies,译者:山鸡,校对:Aaron、EY,编辑:Aaron,头图来自:unsplash


随着疫情在全球范围内持续蔓延,外出的活动开始逐渐减少,人们开始越来越多的重复性的生活。但是和现实生活比起来,我们的梦境却开始变得越来越“刺激”。梦境存在的意义到底是什么?


或许大脑的这些“光怪陆离的梦”是帮助我们应对枯燥生活的一种方式,通过改变大脑的体验以增强人的适应性,这也避免了目前人工智能面临的“过度拟合”的难题;或许梦境可以打破人脑连续学习的状态,帮助调节大脑的认知稳态;另一种假说认为梦境可以帮助我们对危机事件进行演练,这也是梦境往往十分逼真的原因。


不过梦境依旧十分神秘,通过人工智能或许可以帮助我们进一步解析梦境


在疫情后的这几年里,人们醒来后的生活历程变得十分单一:我们开始花更多的时间与同样的人相处、待在家中的时间比以往更长、探索新事物的机会也变得更少。换句话说,我们身边的刺激变得没那么“刺激”了。每天的日常生活变得太过熟悉、太好预测。


与之相对的是,我们的梦却开始变得怪异起来——梦境中却出现了更多诡异的场景以及超现实的情节。作为一个研究梦境与想象的认知科学家,我对这些现象十分感兴趣。为什么异常梦境变得如此普遍?这些梦对我们的认知功能有什么影响?


图片来源:Pixabay<br label=图片备注 class=text-img-note>
图片来源:Pixabay


或许我们的大脑通过这些奇怪的梦来帮我们面对枯燥的日常生活,以这些新奇经历来充实平淡体验。这种推测基于适应性的逻辑:对于生活在单一环境中的动物而言,它们的大脑只能生成单一模型。这些模型不具有普遍性,因而无法帮助动物学习、适应新环境。人工智能研究者们把这种现象称为模型的“过度拟合(overfitting)”,即模型与数据库的拟合程度过高。举个例子,如果面部识别算法在单一数据库中训练过久,它将会基于背景树木以及其他的物件来识别人脸身份。这就叫做数据的过拟合。


我们可以这样解读这个现象:模型本应当学习数据中的普遍规则,即通过脸部图像的轮廓与人脸身份建立联系,并忽略图片中不同的面部表情或背景信息。但事实上,模型似乎只是记住了训练数据库提供的经验。这是否是大脑生产众多奇怪梦境的理由呢?奇怪的梦境经验是否能够助力人类的学习,避免我们在单一经历中总结出过拟合的模型?


来自塔夫茨大学的神经科学家,通过大脑皮层解释意识的小说《启示录》(The Revelations: A Novel)的作者埃里克·霍尔(Erik Hoel)认为,这种解释是合理的。他在最近发表的研究“过拟合的大脑:梦境如何通过演化协助泛化”中提供了进一步的论述。霍尔对我说道:“哺乳动物无时无刻不在学习。大脑中不存在能够关闭学习过程的开关键。因此,我们可以很自然的假设,哺乳动物很容易掉进过度学习的陷阱中,它们需要时刻通过某种认知稳态进行调节。这就是过拟合大脑假设:大脑中存在稳态调控,因而,即便学习使得个体认知往某个方向倾斜,生理调控也能与之抗衡,使认知状态回到一个最佳稳定点。


霍尔假设的出彩之处在于,它不仅解释了什么导致了我们经历这些奇怪梦境,还解释了这些梦境的用途。梦境理论一般不解释为什么梦会变得奇怪,或是仅把它们当作其他认知程序的副产品。这些理论对于这种缺失的解释是,真正奇怪的梦境是非常罕见的:我们很容易高估梦境的诡异程度。即便我们对奇怪梦境的记忆更加深刻,经过仔细地分析,研究发现,约80%的梦反映了普通的日常活动,它们一般非常无聊。


“连续性假说”强调了这一点。该假说认为,梦不过是在对合理版本的现实体验进行重演。确实,无论我们能不能记住,大部分梦境都属于这一门类。但连续性假说没有解释某些场景在梦中出现的频率。譬如,如今人们在电子屏幕前耗费大量的时间——我们使用电子设备工作、玩乐、看电影,甚至阅读。可你梦见自己玩电脑的频率有多高呢?连续性假说指出,梦里活动的频率与人们清醒活动的频率相关,可这并不符合现实。


图片来源:Pixabay<br label=图片备注 class=text-img-note>
图片来源:Pixabay


另一类假说认为,梦境是帮助人们更好应对现实生活的练习。这些理论的依据是,睡眠及梦境对于学习和记忆非常重要。为了解释这种关联,瑞典汇武德大学的认知神经科学家安蒂·瑞文索(Antti Revonsuo)提出了两个理论。威胁模拟理论能够解释为什么我们的梦境通常(70%)是消极的——这是因为梦境的功能是帮助人们应对危险情景。随后,瑞文索又进一步扩展了这个理论。他认为,梦境的功能是对社交情景进行演练。这两个理论还解释了为什么我们总觉得梦境十分真实:如果梦境不真实,我们就不会认真对待这些“演练”,通过梦境进行学习的效果将大打折扣。


还有的理论将奇怪的梦境视作大脑活动带来的副作用。“随机启动理论”提出,在睡眠时,我们的大脑会发出一些随机且无意义的信号。而奇怪梦境是前脑对这些信号的解读。从这个角度出发,梦的奇特性没有任何实际功能。但从另一方面来说,脑干中的随机活动并不是毫无意义的。来自麦吉尔大学的神经科学家芭芭拉·琼斯(Barbara Jones)认为,这部分信号与程序性运动(如性行为以及跑步)相关。而这类活动时常出现在我们的梦境中。


霍尔朝着梦的奇异性迎难而上。他的假说并没有绕开奇异性,反而强调了奇特梦境是非常重要的。它们帮助大脑规避深深困扰机器学习研究者的难题——过拟合。规避过拟合有许多种方式,最简单的一种是终止学习,这能让算法不再在训练集里不重要的细节上花费过多的精力。而其他的规避方式则通过引入新的噪声,导致最终的输入数据被扭曲。这让深度学习神经网络不再确定训练集的异质性(特征)是否重要,并转而专注于更加适应真实世界的普遍性规律。霍尔认为,奇特梦境的功能与之相似:它们为大脑提供了被扭曲的输入刺激,因此防止大脑对“训练集”,即我们单一的日常体验,产生过度拟合。


有趣的是,曾有研究在实验室环境中重现了人脑过度拟合的过程,而睡眠能够规避这种过拟合。简而言之,我们之所以梦见奇怪的场景,是因为我们需要奇异梦境。如果梦境与清醒时的日常生活相仿,它们便会加重,而非规避过度拟合。而即便是那些与日常经验相仿的梦境也并非完全复制了我们的经历——它们往往与我们在现实生活中的所作所为有所不同。


 图片来源:Pixabay<br label=图片备注 class=text-img-note>
 图片来源:Pixabay


与其他的理论相似,霍尔的假说同样表示,睡眠是进行“离线”学习的最佳时机,这是因为,在清醒的时候向大脑输入被扭曲的刺激可能带来危险后果。而或许我们之所以总是忘记做过的梦,是因为大脑不希望我们把这些梦当作曾真实发生的事件。大脑仅仅希望(通过梦境)训练神经网络的参数,而不是创造新的情景记忆,从而混淆我们对真实经历的记忆。


在采访中我询问霍尔,我们能否通过机器学习的形式,来探究解释奇异梦境的最佳假说。“这或许可行,但我更看好另外一个方向,”他回答道。“或许机器学习能够从神经科学中学到更多。毕竟机器学习研究者渴望更加合适的训练集,这些训练集应当与常模分布有些许不同,但又不能差距太远,以避免出现神经网络不知所措的情况。”


这也表明,梦境的奇异性需要处在一个最优等级。可惜的是,这种奇异性难以量化。“这甚至有点像艺术或是文学,”霍尔说道。“一首优美的诗歌不能是完全的无厘头,但‘我看见一朵花/这花真蓝啊’一定不会是一首好诗。优秀的作品需留有让隐喻生发的空间,但又不能让人摸不着头脑。也许梦境与现实间的距离——林氏距离(Lynchian distance)正是成就复杂意识的关键。它让我们不坠入过度学习、过度记忆以及过度拟合等一系列陷阱当中。”


 我们之所以将梦境误认为现实,可能是因为大脑的背外侧前额叶(DLPFC,图中的8、9、46的位置)区域在做梦过程中被抑制。这个区域的功能包括监测环境中的异常现象。这个假说的支撑依据包括DLPFC在清醒梦(lucid dream)过程中非常活跃,使人们能够清醒地意识到自己正在做梦(清醒梦的特质),图片来源:wikimedia,Pancrat<br label=图片备注 class=text-img-note>
 我们之所以将梦境误认为现实,可能是因为大脑的背外侧前额叶(DLPFC,图中的8、9、46的位置)区域在做梦过程中被抑制。这个区域的功能包括监测环境中的异常现象。这个假说的支撑依据包括DLPFC在清醒梦(lucid dream)过程中非常活跃,使人们能够清醒地意识到自己正在做梦(清醒梦的特质),图片来源:wikimedia,Pancrat


神经网络建立在大脑结构的基础之上。但自从深度学习运动以来,这些人工智能网络大多被用于制造更加“聪明”的机器,而不是用来模拟、探究人类的思想。随着研究推进,深度学习领域的发现开始反哺神经科学,启发了有关大脑运行机制的新理论。神经网络或许也需要奇特“梦境”的帮助,进行更好的学习。


而人类也同样需要梦境。


原文:https://nautil.us/blog/weird-dreams-train-our-brains-to-be-better-learners


本文来自微信公众号:nextquestion(ID:gh_2414d982daee),作者:Jim Davies