版權歸原作者所有，如有侵權，請聯係我們(men)

愛麗(li) 絲(si) 追著一隻揣著懷表的兔子，進入了一個(ge) 奇幻的地下世界，那裏的動物會(hui) 說話，食物可以讓人變大變小，火烈鳥還被用來打門球。在童話《愛麗(li) 絲(si) 夢遊仙境》中，這個(ge) 奇幻的地下世界是小女孩愛麗(li) 絲(si) 的一個(ge) 夢。你是否也做過這樣天馬行空的夢？這些奇怪的夢對大腦有什麽(me) 意義(yi) ？受到深度學習(xi) 領域的啟發，神經科學家提出，奇怪夢境可能是大腦訓練自己的一種方式。

奇怪的夢

我們(men) 的大腦產(chan) 生奇怪的夢，可能是為(wei) 了用新奇的事物對抗單調乏味的日常生活。這其中存在一個(ge) 自適應邏輯：如果動物的行為(wei) 方式過於(yu) 嚴(yan) 格地遵從(cong) 環境，它就會(hui) 犧牲了歸納、理解和學習(xi) 新事物的能力。在人工智能領域，科學家將模型與(yu) 給定的數據集高度擬合的現象稱為(wei) “過擬合”。

舉(ju) 個(ge) 例子來說，當用某個(ge) 圖片集訓練人臉識別算法的時間過長時，算法可能會(hui) 開始基於(yu) 背景中的樹木或其他物體(ti) 來識別圖片，這就違背了人臉識別的初衷。人臉識別算法本應該學習(xi) 一般規則，也就是不受表情或環境的影響來識別麵部輪廓，但在過擬合的情況下，算法隻是簡單地記住了訓練集。所以，我們(men) 的大腦努力炮製出陌生的夢境，是在幫助我們(men) 避免學習(xi) 與(yu) 日常生活“過擬合”嗎？

塔夫茨大學的神經科學家埃裏克·赫爾（Erik Hoel）認為(wei) 這一猜想是可靠的。在最近發表的一篇論文中，他闡述了自己的觀點。赫爾說：“哺乳動物一直在學習(xi) ，沒有開關(guan) 能關(guan) 閉這個(ge) 過程。所以我們(men) 很自然地想到，哺乳動物也會(hui) 遇到過度學習(xi) 的問題，需要通過認知內(nei) 穩態（cognitive homeostasis）來解決(jue) 。‘過擬合大腦假說’（overfitted brain hypothesis）認為(wei) 當生物學習(xi) 帶來的效果逐漸偏向某一個(ge) 方向時，生物體(ti) 需要與(yu) 之對抗，使認知回到更優(you) 的內(nei) 穩態上。”

在夢這個(ge) 領域，赫爾的觀點十分獨特，不僅(jin) 解釋了奇怪夢境產(chan) 生的原因，更提出了它們(men) 存在的目的。其他關(guan) 於(yu) 做夢的解釋並沒有真正回答為(wei) 什麽(me) 夢會(hui) 變得奇怪，或者僅(jin) 將它們(men) 解釋為(wei) 其他認知和生理過程的副產(chan) 品。這些觀點回避了那些奇怪的夢，並表示真正奇怪的夢其實很少，即我們(men) 很容易高估自己夢境的奇怪程度。雖然我們(men) 通常更容易記住奇怪的夢，但研究表明大約80%的夢反映的都是正常活動，可能非常無聊。

相關(guan) 的假說

夢的“連續性假說”（continuity hypothesis）認為(wei) 夢境隻是再現了人清醒時的生活。確實，我們(men) 大多數夢（雖然大多數我們(men) 可能都不記得）都屬於(yu) 這一類。但連續性假說並不能解釋，為(wei) 什麽(me) 某些事情在夢中出現得更頻繁。比方說，許多人在清醒時會(hui) 花大量的時間在電腦屏幕前工作、玩遊戲、看電影和讀書(shu) ，但你會(hui) 經常夢見自己坐在電腦前嗎？根據連續性假說，夢中一些活動的比例會(hui) 反映其在現實生活中的比例，但這顯然不是事實。

另一類理論認為(wei) ，夢的存在是為(wei) 了幫助人演習(xi) 現實世界中會(hui) 發生的事件，這類理論得到了很多研究的支持。這些研究發現睡眠尤其是夢，對學習(xi) 和記憶十分重要。瑞典舍夫德大學（University of Skövde）的認知神經學家安蒂·瑞文蘇（Antti Revonsuo）依據夢境的這種特征，提出了兩(liang) 個(ge) 理論。

其中一個(ge) 是“威脅模擬理論”（threat simulation theory），該理論認為(wei) 夢可以為(wei) 真實世界存在的危險提供練習(xi) ，這可以解釋為(wei) 什麽(me) 70%的夢都是痛苦的。後來，瑞文蘇擴展了這一理論，認為(wei) 夢可以為(wei) 真實生活中的大部分情境提供練習(xi) 。這些理論可以解釋，為(wei) 什麽(me) 我們(men) 會(hui) 相信夢中看到的事情是真的：因為(wei) 如果我們(men) 沒有把夢境當作真實，就不會(hui) 認真對待它們(men) ，從(cong) 中學習(xi) 的效果就會(hui) 減弱。

除此之外，從(cong) 大腦結構來看，我們(men) 之所以會(hui) 把夢當作現實，是因為(wei) 背外側(ce) 前額葉皮層（DLPFC）在做夢時神經活動會(hui) 降低，這一腦區可以監測生活中的異常情況。DLPFC在清醒夢（lucid dreaming，特點是做夢人能意識到自己在做夢）中更為(wei) 活躍，也能證實這一理論。

另一種理論認為(wei) 奇怪的夢是大腦活動的副作用。“隨機激活理論”（random activation theory）提出，夢的產(chan) 生是因為(wei) 前腦試圖理解由大腦後部在睡眠時發出的混亂(luan) 而無意義(yi) 的信息。在這種觀點下，奇怪的夢境沒有任何功能，不過腦幹的隨機活動是有意義(yi) 的。麥吉爾大學（McGill University）的神經科學家芭芭拉·瓊斯（Barbara Jones）注意到，腦幹調控的是性和跑步等，而類似的場景也經常出現在夢中。

與(yu) 其他假說不同，赫爾的假說直麵夢的怪異之處，並賦予了它們(men) 意義(yi) 。赫爾認為(wei) 奇怪的夢有助於(yu) 防止大腦過擬合，這一問題同樣困擾著機器學習(xi) 領域的研究人員。過擬合指的是關(guan) 注訓練集中無關(guan) 的細節，停止學習(xi) 是處理這類情況的一種方法。更廣泛的一種處理方法是引入噪聲，即輸入失真的信息。引入噪聲會(hui) 使得深度學習(xi) 神經網絡無法確定訓練集中特異信息的重要性，從(cong) 而更可能關(guan) 注一般性的信息，因此可以在現實世界中更好地工作。赫爾認為(wei) ，奇怪的夢與(yu) 訓練類神經網絡時引入噪聲的功能相似：提供一些失真的輸入，以防止大腦將清醒時的生活和“訓練集”過度擬合。

人腦和算法的相同之處

有趣的是，一些實驗已經證實，過擬合會(hui) 發生在人類身上，而睡眠可以消除過擬合。簡而言之，夢之所以奇怪，是因為(wei) 我們(men) 需要它們(men) 如此。如果夢境與(yu) 現實生活太相似，過擬合會(hui) 加劇而不是消除。一般來說，即使是感覺很真實的夢通常也不會(hui) 與(yu) 真實事件完全相同。

類似於(yu) 其他認為(wei) 做夢幫助人學習(xi) 應對現實世界的觀點，赫爾的假說認為(wei) 睡眠是進行“離線”學習(xi) 的最佳時間。扭曲的經曆或失真的輸入如果發生在我們(men) 清醒的時候，會(hui) 分散注意力，甚至會(hui) 產(chan) 生危險。而我們(men) 之所以會(hui) 忘記很多夢，可能就是為(wei) 了不與(yu) 真實發生的事情混淆。畢竟大腦隻是想要用它訓練神經網絡，並不想創造新的記憶來與(yu) 現實混淆。

那機器學習(xi) 能幫助我們(men) 推測出“最佳”的奇怪夢境嗎？赫爾說：“或許可以吧，但我更傾(qing) 向於(yu) 另一個(ge) 方向，即深度學習(xi) 更應該借鑒神經科學研究。我們(men) 希望向程序輸入的數據足夠不同，但又不會(hui) 太離譜以至於(yu) 超出它的處理能力。”

這一切表明，夢應該具有某種“最佳”的奇怪程度。不過“奇怪”不是一個(ge) 容易衡量的維度。赫爾說：“這很像是文學和藝術。比如一首好的詩既不能讓人完全看不懂，又不能過於(yu) 淺白，它需要在詞語的變化和隱喻中找到恰當的位置。‘恰到好處’最能幫助大而複雜的大腦解決(jue) 過度學習(xi) 、過度記憶和過擬合等一係列問題。”

受到大腦結構的啟發，科學家開發出了類神經網絡，但隨著深度學習(xi) 的發展，人工智能大多被用於(yu) 創造更智能的機器，而不是模擬和理解人類的思維。但是越來越多在深度學習(xi) 領域的發現仍然啟發了我們(men) 關(guan) 於(yu) 大腦如何工作的新理論。為(wei) 了更好地學習(xi) ，類神經網絡需要學習(xi) 到一些奇怪的、無意義(yi) 的數據。或許，我們(men) 人類也需要。

本文審稿：陳海旭，解放軍(jun) 總醫院第二醫學中心，副所長，碩士生導師

歡迎掃碼聯係科普老師！

我們(men) 將定期推出

公益、免費、優(you) 惠的科普活動和科普好物！