不做梦的人，学习能力可能有问题

人总是会在梦中做出奇奇怪怪的行为。几十年，甚至是几百年以来，心理学家对此达成共识，梦中的行为与我们醒时的经历有关。

然而，既然是和醒时的经历有关，梦中的东西为什么总是超脱现实呢?

随着人类对AI理解的加深，塔夫茨大学研究人员利用神经网络识别模式的方式中倒推出了一种理论，正如AI训练要防止模型对训练集“过拟合”，大脑也要防止人的思维对现实过拟合。

就像人类教育一样，算法工程师训练一个AI模型时，是通过反复运行具有特定事物(如字母排列)的场景实现的。然而，这种针对训练集的重复，虽然可以帮助程序在训练集中识别元素，但在应用到复杂的现实环境时，模型反而可能失去识别能力。

在计算机领域，解决这种问题的方法包括提供更多的场景，以及将相反模式的特征引入。前者就像给学生越来越多的书读，课程的多样性迟早会反映出日常生活的复杂性;后者则是通过以某种方式增加数据(例如通过反转符号)，使模型被迫处理并非完全相同的事实。

最聪明的解决方案是退出——强迫AI忽略课程的随机特征，可以让AI更好地应对包含一些潜在混乱元素的场景。

这恰好上和梦中的情况相似。

当然，这是一个需要更多测试的假设。不过，如果我们的大脑为了防止过度拟合而进行自己的“退出”，那么我们的梦境就可以得到很好的解释。

这也可以解释，为什么缺乏睡眠的我们依然可以处理知识，但更难归纳我们所学到的东西。

这项研究发表在《模式》杂志上。

编译/前瞻经济学人APP资讯组

本文来源前瞻网，转载请注明来源。本文内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）