你做奇怪的梦时，脑可能正在训练

来源：中国数字科技馆

在过去一年多的时间里，我们许多人的生活都变得单调了很多。我们经常与家人待在一起，去的地方也变少。换句话说，这段时间生活中的“刺激”不够刺激了，我们清醒时的体验变得类似、几乎完全可以预测。

与此同时，我们的梦境却变得更加奇怪，有了更多的变化和虚构的情节。作为一位研究梦和想象的认知科学家，这让我感到好奇：我们的梦为什么会变得奇怪？梦境变得陌生会有什么作用吗？

奇怪的梦

我们的大脑产生奇怪的梦，可能是为了用新奇的事物对抗单调乏味的日常生活。这其中存在一个自适应逻辑：如果动物的行为方式过于严格地遵从环境，它就会牺牲了归纳、理解和学习新事物的能力。在人工智能领域，科学家将模型与给定的数据集高度拟合的现象称为“过拟合”。

举个例子来说，当用某个图片集训练人脸识别算法的时间过长时，算法可能会开始基于背景中的树木或其他物体来识别图片，这就违背了人脸识别的初衷。人脸识别算法本应该学习一般规则，也就是不受表情或环境的影响来识别面部轮廓，但在过拟合的情况下，算法只是简单地记住了训练集。所以，我们的大脑努力炮制出陌生的梦境，是在帮助我们避免学习与日常生活“过拟合”吗？

塔夫茨大学的神经科学家埃里克·赫尔（Erik Hoel）认为这一猜想是可靠的。在最近发表的一篇论文中，他阐述了自己的观点。赫尔说：“哺乳动物一直在学习，没有开关能关闭这个过程。所以我们很自然地想到，哺乳动物也会遇到过度学习的问题，需要通过认知内稳态（cognitive homeostasis）来解决。‘过拟合大脑假说’（overfitted brain hypothesis）认为当生物学习带来的效果逐渐偏向某一个方向时，生物体需要与之对抗，使认知回到更优的内稳态上。”

在梦这个领域，赫尔的观点十分独特，不仅解释了奇怪梦境产生的原因，更提出了它们存在的目的。其他关于做梦的解释并没有真正回答为什么梦会变得奇怪，或者仅将它们解释为其他认知和生理过程的副产品。这些观点回避了那些奇怪的梦，并表示真正奇怪的梦其实很少，即我们很容易高估自己梦境的奇怪程度。虽然我们通常更容易记住奇怪的梦，但研究表明大约80%的梦反映的都是正常活动，可能非常无聊。

相关的假说

梦的“连续性假说”（continuity hypothesis）认为梦境只是再现了人清醒时的生活。确实，我们大多数梦（虽然大多数我们可能都不记得）都属于这一类。但连续性假说并不能解释，为什么某些事情在梦中出现得更频繁。比方说，许多人在清醒时会花大量的时间在电脑屏幕前工作、玩游戏、看电影和读书，但你会经常梦见自己坐在电脑前吗？根据连续性假说，梦中一些活动的比例会反映其在现实生活中的比例，但这显然不是事实。

另一类理论认为，梦的存在是为了帮助人演习现实世界中会发生的事件，这类理论得到了很多研究的支持。这些研究发现睡眠尤其是梦，对学习和记忆十分重要。瑞典舍夫德大学（University of Skövde）的认知神经学家安蒂·瑞文苏（Antti Revonsuo）依据梦境的这种特征，提出了两个理论。

其中一个是“威胁模拟理论”（threat simulation theory），该理论认为梦可以为真实世界存在的危险提供练习，这可以解释为什么70%的梦都是痛苦的。后来，瑞文苏扩展了这一理论，认为梦可以为真实生活中的大部分情境提供练习。这些理论可以解释，为什么我们会相信梦中看到的事情是真的：因为如果我们没有把梦境当作真实，就不会认真对待它们，从中学习的效果就会减弱。

除此之外，从大脑结构来看，我们之所以会把梦当作现实，是因为背外侧前额叶皮层（DLPFC）在做梦时神经活动会降低，这一脑区可以监测生活中的异常情况。DLPFC在清醒梦（lucid dreaming，特点是做梦人能意识到自己在做梦）中更为活跃，也能证实这一理论。

另一种理论认为奇怪的梦是大脑活动的副作用。“随机激活理论”（random activation theory）提出，梦的产生是因为前脑试图理解由大脑后部在睡眠时发出的混乱而无意义的信息。在这种观点下，奇怪的梦境没有任何功能，不过脑干的随机活动是有意义的。麦吉尔大学（McGill University）的神经科学家芭芭拉·琼斯（Barbara Jones）注意到，脑干调控的是性和跑步等，而类似的场景也经常出现在梦中。

与其他假说不同，赫尔的假说直面梦的怪异之处，并赋予了它们意义。赫尔认为奇怪的梦有助于防止大脑过拟合，这一问题同样困扰着机器学习领域的研究人员。过拟合指的是关注训练集中无关的细节，停止学习是处理这类情况的一种方法。更广泛的一种处理方法是引入噪声，即输入失真的信息。引入噪声会使得深度学习神经网络无法确定训练集中特异信息的重要性，从而更可能关注一般性的信息，因此可以在现实世界中更好地工作。赫尔认为，奇怪的梦与训练类神经网络时引入噪声的功能相似：提供一些失真的输入，以防止大脑将清醒时的生活和“训练集”过度拟合。

人脑和算法的相同之处

有趣的是，一些实验已经证实，过拟合会发生在人类身上，而睡眠可以消除过拟合。简而言之，梦之所以奇怪，是因为我们需要它们如此。如果梦境与现实生活太相似，过拟合会加剧而不是消除。一般来说，即使是感觉很真实的梦通常也不会与真实事件完全相同。

类似于其他认为做梦帮助人学习应对现实世界的观点，赫尔的假说认为睡眠是进行“离线”学习的最佳时间。扭曲的经历或失真的输入如果发生在我们清醒的时候，会分散注意力，甚至会产生危险。而我们之所以会忘记很多梦，可能就是为了不与真实发生的事情混淆。毕竟大脑只是想要用它训练神经网络，并不想创造新的记忆来与现实混淆。

那机器学习能帮助我们推测出“最佳”的奇怪梦境吗？赫尔说：“或许可以吧，但我更倾向于另一个方向，即深度学习更应该借鉴神经科学研究。我们希望向程序输入的数据足够不同，但又不会太离谱以至于超出它的处理能力。”

这一切表明，梦应该具有某种“最佳”的奇怪程度。不过“奇怪”不是一个容易衡量的维度。赫尔说：“这很像是文学和艺术。比如一首好的诗既不能让人完全看不懂，又不能过于浅白，它需要在词语的变化和隐喻中找到恰当的位置。‘恰到好处’最能帮助大而复杂的大脑解决过度学习、过度记忆和过拟合等一系列问题。”

受到大脑结构的启发，科学家开发出了类神经网络，但随着深度学习的发展，人工智能大多被用于创造更智能的机器，而不是模拟和理解人类的思维。但是越来越多在深度学习领域的发现仍然启发了我们关于大脑如何工作的新理论。为了更好地学习，类神经网络需要学习到一些奇怪的、无意义的数据。或许，我们人类也需要。

撰文：Jim Davies

翻译：郑昱虹

审校：石云雷

引进来源：wired