F或者我们中的许多人在过去一年多的时间里，你可能会说，我们清醒时的体验失去了一些多样性。我们花更多的时间和同样的人在一起，在我们的家里，去更少的地方。换句话说，我们现在的刺激不是很刺激。太多的日常惯例，太多的熟悉，太多的可预测性。与此同时，我们的梦想越来越多奇怪的．更多的转变，更多不现实的故事。作为一个研究梦和想象的认知科学家，这引起了我的兴趣。为什么会这样呢?可以的陌生提供一些目的吗?
也许我们的大脑提供奇怪的梦，在某种程度上，是为了对抗单调的潮流。用新奇的事物打破乏味的刻板体验。这有一个自适应的逻辑:动物在环境中过于严格地模拟模式，牺牲了归纳、理解新经验和学习的能力。人工智能研究人员称之为“过度拟合”，与给定的数据集拟合得太好了。例如，在图片数据集上训练过久的人脸识别算法，可能会开始基于树木和背景中的其他物体来识别个体。这是过度拟合的数据。一种看待它的方式是，与其学习它应该学习的一般规则——不管表情或背景信息如何，都要学习不同的面部轮廓——不如简单地学习再去记忆它在训练集中的经验。是不是因为我们的大脑在努力工作，炮制出陌生的梦，以避免过度适应，否则我们每天对这个世界的了解可能会导致过度适应?
然而，你有多少次梦想着坐在电脑前呢?
Erik Hoel，塔夫斯大学神经科学家，《启示录》的作者，一本关于意识的大脑小说(摘录在鹦鹉螺)，认为这是合理的。他最近出版了纸，“过于臃肿的大脑:梦的进化有助于概括，”阐述了他的推理。“哺乳动物一直在学习。没有关闭开关，”Hoel告诉我。“因此，我们很自然地认为，哺乳动物会面临过度学习的问题，或者学习得太好，需要用某种认知平衡来对抗这个问题。”这就是“过度适应的大脑假说”:生物体的学习效果不断趋向于一个方向，这是一种内稳态，生物学需要对抗它，把它带回一个更优的设定。”
Hoel在梦研究领域的独特之处在于，它不仅为梦的怪异提供了一个原因，而且还提供了一个目的。其他关于做梦的解释并没有真正说明为什么梦会变得奇怪，或者只是把它们作为其他过程的一种副产品。他们指出真正奇怪的梦很少:我们很容易高估自己的梦到底有多奇怪。尽管我们更容易记住奇怪的梦，但仔细的研究表明，我们大约80%的梦反映正常活动，可以非常无聊的．
“连续性假说”强调了这一点，认为梦只是清醒生活的真实再现。值得赞扬的是，我们的大多数梦，尽管不是我们记忆中的大多数梦，都属于这一类。但连续性假说并不能解释为什么我们对某些事物的梦比其他事物多。例如，我们中的许多人(如果不是大多数的话)在屏幕前花费大量的时间——工作、玩耍、看电影、阅读。然而，你有多少次梦想着坐在电脑前呢?连续性假说认为，梦境中活动的比例会反映出它们在现实生活中的比例，这一点很清楚不会发生．
另一套理论认为梦的存在是为了帮助你实践真实事件．这些理论得到了研究结果的普遍支持，研究发现，睡眠，尤其是梦，似乎对学习和记忆很重要。瑞典Skövde大学的认知神经科学家安蒂·雷文索(Antti Revonsuo)提出了这一性质的两种理论。威胁模拟理论解释了为什么我们70%的梦都是痛苦的。它认为梦的功能是危险情况下的练习．后来他扩大了这一概念，提出梦是为了练习一般的社交场合。这些学习理论也解释了为什么我们相信我们在梦中看到的是真的:如果我们没有，我们可能不会认真对待它们，而我们从它们中学习的能力就会认真对待它们减少．1
另一种理论认为这种奇怪是大脑活动的副作用。“随机激活理论”认为，梦是我们的前脑试图弄清楚由大脑后部在睡眠时发出的混乱而无意义的信息发送给它的随机活动。在这种观点下，怪异没有作用。另一方面，脑干的随机活动可能并非毫无意义。麦吉尔大学的神经科学家芭芭拉·琼斯注意到，大脑的这一部分是用于程序化的动作，比如做爱和跑步，这些活动经常出现在梦中。
Hoel直面梦的怪异。他的假设并没有间接地处理这个问题，而是赋予了这种怪异的意义。它有助于防止大脑做一些困扰机器学习研究人员的事情:过度拟合。停止学习是处理过拟合的一种方法——过分关注训练集的无关紧要的细节。但还有其他方法，许多主要的对抗方法会引入噪声，通常是失真的输入版本。实际上，这使得“深度学习”神经网络不太确定训练集的特性的重要性，而更有可能关注在现实世界中工作得更好的一般性。因此，在Hoel看来，梦之所以奇怪，是因为它们发挥着相同的功能:它们提供了扭曲的输入，以防止大脑过度适应清醒时的“训练集”。
最新和最受欢迎的文章投递到您的收件箱!
有趣的是，实验室实验显示过拟合也会发生在人的睡眠中删除过度拟合。简而言之，梦之所以怪异，是因为它们必须如此。如果它们与现实生活太相似，它们会加剧而不是消除过度拟合。即使是现实的梦想通常也不会完全把发生在我们身上的事件匹配起来——它们是我们在生活中所做活动的不同表现。
像其他关于梦的学习解释一样，Hoel的假说认为睡眠是这是进行“离线”学习的最佳时机．经历扭曲或扭曲的输入会分散注意力，如果它们发生在我们醒着的时候，会很危险。也许忘记太多梦境的作用是让我们不会把它们误认为真实发生的事情。大脑想要训练它的神经网络参数，而不是创造新的情景记忆，让我们与现实混淆。
我问Hoel，我们是否可以通过机器学习来获得关于人类梦境最理想状态的假设。“可能吧，但我很想走另一条路，”他说。“也许深度学习应该关注神经科学的某些东西。你希望传入的数据足够不同，超出传统意义上的分布范围，但又不会太不同或太野，让你不知道该如何处理。”
这一切都表明，梦应该具有某种最佳的怪诞程度。不幸的是，古怪不是一件容易衡量的事情。“这几乎就像艺术或文学，”Hoel说。一首好的诗不是完全没有意义的，也不是单纯的我看见那朵花/那朵花是蓝色的．它占据了一些关键的空间，在那里，事物会随着隐喻的使用而变化，但又不会太多，以至于完全无法辨认或陌生。”他接着说，“也许林奇式的距离正是在解决过度学习、过度记忆和过度拟合等一系列问题时最能帮助大而复杂的头脑的东西。”
神经网络受到了大脑结构的启发，但自从深度学习运动以来，这些人工智能大多被用于创造更智能的机器，而不是建模和理解人类的思维。但越来越多的深度学习的发现激发了关于我们大脑如何工作的新理论。为了更好地学习，神经网络需要“梦到”一些奇怪的、无意义的例子。
也许我们也一样。
吉姆·戴维斯(Jim Davies)是卡尔顿大学认知科学系的教授。他是获奖播客“关注大脑”的联合主持人。他的新书是做狗狗眼中的你:更好的你的科学．
脚注
1.对于为什么我们会接受梦的现实，大脑的解释是，我们的背外侧前额叶皮层(DLPFC)在做梦时(相对)失活。大脑的这部分部分被用来探测世界上的异常情况。DLPFC在清醒梦境中更为活跃，这一事实进一步强化了这一理论。清醒梦境的特点是意识到自己处于梦中。
