做梦是为了让我们保持理智吗？

本文来自微信公众号：nextquestion（ID：gh_2414d982daee），作者：Jim Davies，译者：山鸡，校对：Aaron、EY，编辑：Aaron，头图来自：unsplash

随着疫情在全球范围内持续蔓延，外出的活动开始逐渐减少，人们开始越来越多的重复性的生活。但是和现实生活比起来，我们的梦境却开始变得越来越“刺激”。梦境存在的意义到底是什么？

或许大脑的这些“光怪陆离的梦”是帮助我们应对枯燥生活的一种方式，通过改变大脑的体验以增强人的适应性，这也避免了目前人工智能面临的“过度拟合”的难题；或许梦境可以打破人脑连续学习的状态，帮助调节大脑的认知稳态；另一种假说认为梦境可以帮助我们对危机事件进行演练，这也是梦境往往十分逼真的原因。

不过梦境依旧十分神秘，通过人工智能或许可以帮助我们进一步解析梦境。

在疫情后的这几年里，人们醒来后的生活历程变得十分单一：我们开始花更多的时间与同样的人相处、待在家中的时间比以往更长、探索新事物的机会也变得更少。换句话说，我们身边的刺激变得没那么“刺激”了。每天的日常生活变得太过熟悉、太好预测。

与之相对的是，我们的梦却开始变得怪异起来——梦境中却出现了更多诡异的场景以及超现实的情节。作为一个研究梦境与想象的认知科学家，我对这些现象十分感兴趣。为什么异常梦境变得如此普遍？这些梦对我们的认知功能有什么影响？

图片来源：Pixabay

或许我们的大脑通过这些奇怪的梦来帮我们面对枯燥的日常生活，以这些新奇经历来充实平淡体验。这种推测基于适应性的逻辑：对于生活在单一环境中的动物而言，它们的大脑只能生成单一模型。这些模型不具有普遍性，因而无法帮助动物学习、适应新环境。人工智能研究者们把这种现象称为模型的“过度拟合（overfitting）”，即模型与数据库的拟合程度过高。举个例子，如果面部识别算法在单一数据库中训练过久，它将会基于背景树木以及其他的物件来识别人脸身份。这就叫做数据的过拟合。

我们可以这样解读这个现象：模型本应当学习数据中的普遍规则，即通过脸部图像的轮廓与人脸身份建立联系，并忽略图片中不同的面部表情或背景信息。但事实上，模型似乎只是记住了训练数据库提供的经验。这是否是大脑生产众多奇怪梦境的理由呢？奇怪的梦境经验是否能够助力人类的学习，避免我们在单一经历中总结出过拟合的模型？

来自塔夫茨大学的神经科学家，通过大脑皮层解释意识的小说《启示录》（The Revelations: A Novel）的作者埃里克·霍尔（Erik Hoel）认为，这种解释是合理的。他在最近发表的研究“过拟合的大脑：梦境如何通过演化协助泛化”中提供了进一步的论述。霍尔对我说道：“哺乳动物无时无刻不在学习。大脑中不存在能够关闭学习过程的开关键。因此，我们可以很自然的假设，哺乳动物很容易掉进过度学习的陷阱中，它们需要时刻通过某种认知稳态进行调节。这就是过拟合大脑假设：大脑中存在稳态调控，因而，即便学习使得个体认知往某个方向倾斜，生理调控也能与之抗衡，使认知状态回到一个最佳稳定点。”

霍尔假设的出彩之处在于，它不仅解释了什么导致了我们经历这些奇怪梦境，还解释了这些梦境的用途。梦境理论一般不解释为什么梦会变得奇怪，或是仅把它们当作其他认知程序的副产品。这些理论对于这种缺失的解释是，真正奇怪的梦境是非常罕见的：我们很容易高估梦境的诡异程度。即便我们对奇怪梦境的记忆更加深刻，经过仔细地分析，研究发现，约80%的梦反映了普通的日常活动，它们一般非常无聊。

“连续性假说”强调了这一点。该假说认为，梦不过是在对合理版本的现实体验进行重演。确实，无论我们能不能记住，大部分梦境都属于这一门类。但连续性假说没有解释某些场景在梦中出现的频率。譬如，如今人们在电子屏幕前耗费大量的时间——我们使用电子设备工作、玩乐、看电影，甚至阅读。可你梦见自己玩电脑的频率有多高呢？连续性假说指出，梦里活动的频率与人们清醒活动的频率相关，可这并不符合现实。

图片来源：Pixabay

另一类假说认为，梦境是帮助人们更好应对现实生活的练习。这些理论的依据是，睡眠及梦境对于学习和记忆非常重要。为了解释这种关联，瑞典汇武德大学的认知神经科学家安蒂·瑞文索（Antti Revonsuo）提出了两个理论。威胁模拟理论能够解释为什么我们的梦境通常（70%）是消极的——这是因为梦境的功能是帮助人们应对危险情景。随后，瑞文索又进一步扩展了这个理论。他认为，梦境的功能是对社交情景进行演练。这两个理论还解释了为什么我们总觉得梦境十分真实：如果梦境不真实，我们就不会认真对待这些“演练”，通过梦境进行学习的效果将大打折扣。

还有的理论将奇怪的梦境视作大脑活动带来的副作用。“随机启动理论”提出，在睡眠时，我们的大脑会发出一些随机且无意义的信号。而奇怪梦境是前脑对这些信号的解读。从这个角度出发，梦的奇特性没有任何实际功能。但从另一方面来说，脑干中的随机活动并不是毫无意义的。来自麦吉尔大学的神经科学家芭芭拉·琼斯（Barbara Jones）认为，这部分信号与程序性运动（如性行为以及跑步）相关。而这类活动时常出现在我们的梦境中。

霍尔朝着梦的奇异性迎难而上。他的假说并没有绕开奇异性，反而强调了奇特梦境是非常重要的。它们帮助大脑规避深深困扰机器学习研究者的难题——过拟合。规避过拟合有许多种方式，最简单的一种是终止学习，这能让算法不再在训练集里不重要的细节上花费过多的精力。而其他的规避方式则通过引入新的噪声，导致最终的输入数据被扭曲。这让深度学习神经网络不再确定训练集的异质性（特征）是否重要，并转而专注于更加适应真实世界的普遍性规律。霍尔认为，奇特梦境的功能与之相似：它们为大脑提供了被扭曲的输入刺激，因此防止大脑对“训练集”，即我们单一的日常体验，产生过度拟合。

有趣的是，曾有研究在实验室环境中重现了人脑过度拟合的过程，而睡眠能够规避这种过拟合。简而言之，我们之所以梦见奇怪的场景，是因为我们需要奇异梦境。如果梦境与清醒时的日常生活相仿，它们便会加重，而非规避过度拟合。而即便是那些与日常经验相仿的梦境也并非完全复制了我们的经历——它们往往与我们在现实生活中的所作所为有所不同。

 图片来源：Pixabay

与其他的理论相似，霍尔的假说同样表示，睡眠是进行“离线”学习的最佳时机，这是因为，在清醒的时候向大脑输入被扭曲的刺激可能带来危险后果。而或许我们之所以总是忘记做过的梦，是因为大脑不希望我们把这些梦当作曾真实发生的事件。大脑仅仅希望（通过梦境）训练神经网络的参数，而不是创造新的情景记忆，从而混淆我们对真实经历的记忆。

在采访中我询问霍尔，我们能否通过机器学习的形式，来探究解释奇异梦境的最佳假说。“这或许可行，但我更看好另外一个方向，”他回答道。“或许机器学习能够从神经科学中学到更多。毕竟机器学习研究者渴望更加合适的训练集，这些训练集应当与常模分布有些许不同，但又不能差距太远，以避免出现神经网络不知所措的情况。”

这也表明，梦境的奇异性需要处在一个最优等级。可惜的是，这种奇异性难以量化。“这甚至有点像艺术或是文学，”霍尔说道。“一首优美的诗歌不能是完全的无厘头，但‘我看见一朵花/这花真蓝啊’一定不会是一首好诗。优秀的作品需留有让隐喻生发的空间，但又不能让人摸不着头脑。也许梦境与现实间的距离——林氏距离（Lynchian distance）正是成就复杂意识的关键。它让我们不坠入过度学习、过度记忆以及过度拟合等一系列陷阱当中。”

 我们之所以将梦境误认为现实，可能是因为大脑的背外侧前额叶（DLPFC，图中的8、9、46的位置）区域在做梦过程中被抑制。这个区域的功能包括监测环境中的异常现象。这个假说的支撑依据包括DLPFC在清醒梦（lucid dream）过程中非常活跃，使人们能够清醒地意识到自己正在做梦（清醒梦的特质），图片来源：wikimedia，Pancrat

神经网络建立在大脑结构的基础之上。但自从深度学习运动以来，这些人工智能网络大多被用于制造更加“聪明”的机器，而不是用来模拟、探究人类的思想。随着研究推进，深度学习领域的发现开始反哺神经科学，启发了有关大脑运行机制的新理论。神经网络或许也需要奇特“梦境”的帮助，进行更好的学习。

而人类也同样需要梦境。

原文：https://nautil.us/blog/weird-dreams-train-our-brains-to-be-better-learners

本文来自微信公众号：nextquestion（ID：gh_2414d982daee），作者：Jim Davies