意大利的研究人員讓他們的人工智能定期進入休眠狀態(tài)，以便更好地鞏固所學內容。這是否意味著這些機器學習模型比我們想象中的更像人類？

有時，意大利計算機科學家西蒙·帕拉佐的人工智能會夢見一些奇怪的東西。在夢中，它看到了一輛豹紋卡車和一個帶有狗頭的玩具車。還有一次，它夢見了一把扶手椅，椅墊上放著一個裝滿黑啤的巨大啤酒杯。帕拉佐讓他的人工智能系統(tǒng)定期休眠，以此來提升它的性能。

對人類來說，夜間的休息至關重要。睡眠期間，大腦會在潛意識中鞏固我們睡前幾小時內的記憶和體驗，整理信息，把關鍵內容遷移到長期記憶庫中，為新的記憶留出空間。雖然夢境可能有助于存儲記憶，但科學家們仍不清楚其確切功能。

與人類不同，人工智能的人工神經網絡從來不知道疲倦，不需要休息或睡眠。然而，它們的記憶存在令人意想不到的弊端：在學習解決新任務時，它們往往會忘記以前學過的知識。帕拉佐解釋道：“如果我們訓練一個模型去區(qū)分狗和豹的圖片，然后讓它學習識別熊貓和長頸鹿，它可能5c087f131dac8c90a131283e0c0757e9很快就分不清狗和豹了。”這種現(xiàn)象被專家們稱為“災難性遺忘”。

帕拉佐和他的同事康切托·斯帕姆皮納托來自西西里島上的卡塔尼亞大學。他們致力于開發(fā)用于醫(yī)療的人工智能，訓練模型評估牙齒X光片或通過圖像診斷各種皮膚病。對他們的研究來說，災難性遺忘是一個實際的難題——如果一個人工智能在學習新疾病的同時遺忘了之前已經存儲的疾病信息，就無法為任何人提供幫助。那么，睡眠研究中的知識能否幫助人工智能機器更高效地學習呢？

帕拉佐和斯帕姆皮納托在實驗中模擬了人腦的清醒和睡眠階段。首先，在清醒階段，模型像普通人工智能一樣接受訓練：研究人員將鸚鵡、青蛙等的圖片輸入到神經網絡，然后模型連接其人工神經來識別圖案，并在下次遇到含有鸚鵡或青蛙的圖片時高度準確地識別出它們。

第二階段，研究人員通過計算機指令讓系統(tǒng)進入某種睡眠狀態(tài)——不再給它提供新的圖像來學習，而只展示它之前已經看過的圖像。這種重復有利于幫助模型回憶記憶中的圖片。帕拉佐說，這樣可以鞏固學到的知識。

最后，在夢境階段，神經網絡被給予混合的圖片，例如沙發(fā)和啤酒杯或豹子與卡車的組合畫面。帕拉佐希望這樣的做法可以讓系統(tǒng)為即將到來的新記憶作好準備。他讓神經網絡進行長時間的休眠，其睡眠階段的總時長約為清醒時間的50倍。

人類自古以來就想創(chuàng)造出與自己相似的機器。帕拉佐也主張盡可能還原人腦的功能。然而，在計算機科學中，這種方法存在爭議。英國人工智能專家安德魯·羅戈伊斯基表示，大腦是數百萬年進化的結果，是性能和能耗之間的一種生物學妥協(xié)，不應將人腦作為智能的唯一標準。

美國斯坦福大學的科學家們分析了過去15年的研究文章后發(fā)現(xiàn)，技術越來越頻繁地被人性化描述，比如使用“遭受”或“欺騙”等動詞。在一篇文章中，邁拉·程等專家警告說，這可能導致人們高估技術的能力，而低估其風險。

人們可以爭論帕拉佐的人工智能是否真的在睡覺和做夢。正如這位研究者本人承認的那樣，他研發(fā)的神經網絡遠未能像人類那樣學習。即使是夢境圖像，也不是他的模型自己創(chuàng)造的——相反，是意大利研究人員在一個人工智能支持的圖像生成器中生成的。

最近，這個意大利團隊發(fā)布了他們睡眠實驗的初步結果：經過睡眠–清醒周期訓練的神經網絡識別圖片的準確率提高了12%，災難性遺忘的發(fā)生率也相應減少了。這一研究結果讓帕拉佐備受鼓舞，盡管他的機器還需要他提供一點兒輔助才能做夢。

編輯：周丹丹