Hinton夢境研究新理念：AI反學習可能揭開人類夢境的奧祕

今天， “鵝廠”又上熱搜了！

#騰訊員工月薪7萬#話題引發網友熱議。

有網友表示，難道我上的是假班？

還有網友調侃道，我也可以做到，那就是——做夢！

夢，作為一種神祕的主題體驗，亙古以來，都是心理學家、哲學家、科學家尤為感興趣的研究方向。AI的出現，是如何幫助人類理解夢境的？

夢境研究新方法論

一個多世紀以來，以弗洛伊德為代表的學者們從來沒有停下對於夢境的研究。隨著人工智能的出現及發展，夢境研究有了新的方法論。

近日，普及了深度神經網絡概念的“AI教父”、多倫多大學教員、谷歌大腦（Google Brain）研究員傑弗裡·辛頓（Geoffrey Hinton）提出一個關於夢境研究的新理念：AI反學習可能揭開人類夢境的奧祕。

Geoffrey Hinton對人工智能的未來充滿期待，他認為未來的人工智能系統將主要是非監督式的。非監督式學習是機器學習的一個分支，在從未標記、無法歸類和未分類的測試數據中收集知識，在學習共性和對潛在的共性做出反應的能力方面，幾乎就像人類一般。因而，他認為今後神經學家還需要向人工智能研究員學習。就以人工智能探究夢的奧祕話題，他說，“ 做夢的意義可能在於，你把整個學習過程顛倒過來。”

“如果你用一個有數十億個參量的系統，在某個目標函數中實施梯度下降，它的效果會比你想象的好得多……規模越大，效果越好。”他說，“相比於讓大腦計算某個目標函數的梯度，並根據梯度更新突觸的強度，這要更加合理。我們只需要弄清楚它是如何得到梯度的以及目標函數是什麼。”

至於我們為什麼會不記得夢境的問題，Geoffrey Hinton早在一篇關於玻爾茲曼機器的合著論文中有所解釋。他認為這可能與 忘卻 有關，這些 AI 系統，由對稱連接的神經元單位組成網絡，可以隨機決定是 開 還是 關 ，通過系統觀察到的數據結果來看， 忘卻 並不那麼令人驚訝。

AI解夢研究進展

夢境因為神祕，早已引發無數的科學猜想。但其實在人工智能出現之前，人類從未真正理解夢的內容、機制和作用。在人工智能研究越來越成熟後，監測、記錄和預知夢境的技術上才一步步取得了些進展。

1

夢境的監測

智能手環、睡眠監測APP的興起，得益於睡眠監測技術的廣泛應用。2017年時候，美國麻省理工學院研究人員和馬薩諸塞州總醫院睡眠醫學科醫務人員創建了一種分析射頻信號的算法來監測用戶的夢境。射頻信號從身體反射出來，通過類似於路由器的RF設備檢測身體的任何輕微運動，並通過該算法進行分析，以判斷體驗者是否正在做夢。

2

夢境的記錄

我們常常忘記自己做過的夢，而如果夢能像電影那樣被記錄下來，就能很好地記住和研究我們做過的夢。為此，加州大學Gallant實驗室的研究人員於2018年發明了一種可以“幫助記錄夢境”的算法，這種算法可以處理大腦的活動，形成可識別的圖像。在研究中，參與者觀看電影預告片，並積極思考正在觀看的內容。這種算法能夠做到僅使用大腦圖像就可以重現參與者正在觀看的預告片的模糊圖像。如果同樣的技術應用於夢境，我們就看到與人的夢境相關的視覺效果。不過這裡存在分辨率問題，形狀和顏色可以解析，但無法以高分辨率視頻的形式重建一個人的思維。不過也有可能夢境本身分辨率就不高。

3

夢境的預知

如果自己的夢能按照電影《盜夢空間》中所描述的主角那樣控制夢境，那麼你願意做自己夢的導演嗎?

“清醒夢”概念於1913年就有提出，清醒夢（lucid dream）技術已經讓用戶瞭解他們可以用來掌握自己夢境意識的策略。加州大學Gallant實驗室研究報告中，則闡述合乎邏輯的AI預測夢境的步驟：先使用AI來識別人們如何做夢，然後使用這些數據（結合歷史數據）來預測一個人未來可能如何做夢。

不過報告中也表示這種方法存在一個數據可用性的重大問題。有無數的變量會影響我們的睡眠和夢境，其中許多仍然沒有被科學家們很好地理解。雖然我們可能開發出收集這些數據的工具，但我們不一定有能夠客觀地衡量它們對夢境的影響的工具（例如：記錄夢境的視覺畫面）。

AI也需要做夢

有很多人工智能科學家都秉持和“AI教父”Geoffrey Hinton一樣的看法，認為未來的人工智能系統是非監督式的，幾乎和人類一樣。而我們知道深度睡眠對於人類工作效率提升的重要性，那麼，機器人是否也需要通過做夢來提升工作效率呢？

谷歌認為，如果睡眠和夢境可以確保複雜的人體正常運轉，那麼同樣的機制也可以應用於人工智能。

2018年3月，谷歌大腦研究科學家 David Ha 與瑞士 AI 實驗室 IDSIA 負責人 Jürgen Schmidhuber（他也是 LSTM 的提出者）提出了模擬世界的模型：人工智能夢境。旨在讓人工智能在夢境中對外部環境的未來狀態進行預測，大幅提高完成任務的效率。也就是說，先讓AI通過某種算法學習圖片，然後在學習的基礎上做夢，最後在夢的基礎上進行未來預測。

谷歌的夢境訓練很早就有開展，有趣的是，夢境訓練提高了DeepMind系統的效率。在雅達利遊戲中，這一人工智能的表現達到了人類專家的880%。

如何使AI像人類一樣，能自動、本能地進入夢鄉？科學家們也費了一番功夫。這裡不得不提的是，由意大利研究者設計了一種叫做Hopfield網絡的人工神經網絡。

Hopfield神經網絡HNN（Hopfiled Neural Network)是一種結合存儲系統和二元系統的神經網絡。它保證了向局部極小的收斂，但收斂到錯誤的局部極小值（local minimum），而非全局極小（global minimum）的情況也可能發生。Hopfield神經網絡也提供了模擬人類記憶的模型。

研究者認為，當人工神經網絡“清醒”時，它是處於學習和存儲模式。但是它的存儲容量是有限的。因此，研究小組想出了一種數學方法來實現人類的睡眠模式——快速眼球運動睡眠和慢波睡眠，前者被認為可以消除不必要的記憶，後者被認為可以鞏固重要的記憶。所以這也是人工神經網絡的“睡眠”狀態所做的事情，循環並釋放不必要的信息，然後鞏固記憶剩下的重要的信息。

研究結果是非常顯著的。在沒有睡眠狀態的情況下，最大容量是α=0.14，其中α代表每個突觸存儲的比特數。當一個睡眠週期被納入神經網絡時，神經網絡達到了這種類型的網絡容量的理論極限-α=1。大量的模擬測試驗證了這一結果——表明允許人工神經網絡偶爾打盹（使用正確的打盹算法）可以提高人工智能的性能。

夢境對於人類和AI的重要性都不言而喻。伴隨著AI技術的日趨成熟，夢境的神祕面紗被一層層揭下，也許不久之後夢境就能像電影投射在熒幕上一樣被呈現出來，而人類和AI都是電影的導演。

圖片來自網絡

部分參考：

https://readwrite.com/2018/07/16/will-ai-be-able-to-predict-your-dreams/

https://arxiv.org/pdf/1803.10122.pdf

​