機器的一個顯著特徵是它們不像人類和其他擁有中樞神經系統的生物那樣需要睡眠。然而，總有一天，你的烤麵包機可能需要時不時地小睡一會兒，你的汽車、冰箱以及其他任何被實用人工智慧技術徹底改變的東西也可能如此。
當（並且如果）模仿活體大腦的人工智慧系統被整合到目前依賴傳統計算機和微處理器來幫助我們日常生活的各種裝置中時，這種變化就會到來。至少這是我們在洛斯阿拉莫斯國家實驗室進行的新研究的含義，該研究旨在瞭解像活體大腦內部神經元一樣運作的系統。
我們的認識是在我們努力開發與人類和其他生物系統學習視覺方式非常相似的神經網路時出現的。我們正在研究這些模擬網路對無監督字典訓練的反應方式。在這種活動中，網路開始對物體進行分類，而無需事先的比較示例。想象一下，將許多異域動物的影像交給一個孩子，並要求他們將相似的動物歸為一組。例如，孩子可能不知道什麼是羚羊，但他們會將羚羊與獅子或企鵝分開堆放。
支援科學新聞報道
如果您喜歡這篇文章，請考慮支援我們屢獲殊榮的新聞報道，方法是 訂閱。透過購買訂閱，您將有助於確保有關當今世界正在形成的發現和想法的具有影響力的故事的未來。
對於任何幼兒教師來說，我們發現我們的網路在連續學習一段時間後變得不穩定，這可能不足為奇。然而，當我們讓網路暴露於類似於活體大腦在睡眠期間經歷的波動的狀態時，穩定性得到了恢復。就好像我們給了神經網路相當於一個良好的、長時間的午睡。
這種不穩定性並非所有人工智慧網路的特性。只有在訓練生物學上逼真的處理器或試圖理解生物學本身時，才會出現這個問題。絕大多數從事機器學習、深度學習和人工智慧的研究人員從未遇到過這種不穩定性，因為在他們研究的非常人工化的系統中，他們可以自由地執行在活體神經元中沒有等效物的數學運算。
我們決定讓我們的生物學上逼真的網路暴露於人工睡眠的類似物，這幾乎是為了穩定它們的最後努力。它們自發地生成了類似於幻覺的影像。我們嘗試了各種型別的數值噪聲，大致相當於您在調諧收音機時在電臺之間可能遇到的靜電。當使用具有廣泛頻率和振幅的噪聲時，效果最好。這種噪聲模仿了您的大腦在慢波睡眠期間神經元接收的輸入，慢波睡眠是我們不可或缺的深度睡眠。
結果表明，在人工和自然智慧系統中，慢波睡眠可能起到確保神經元保持穩定且不產生幻覺的作用。
神經網路中的類睡眠狀態與您的電腦在一段時間不活動後進入的模式非常不同。一臺進入“睡眠”狀態的傳統計算機實際上處於暫停動畫狀態，所有計算活動都凍結在時間中。而 IT 部門的古老建議，當電腦出現故障時嘗試“關閉計算機然後再開啟”，就相當於讓您的機器短暫地暴露於腦死亡狀態。
這種睡眠模式對解決不穩定的神經網路毫無作用。而斷電重啟只會重置網路並撤消任何先前的訓練，實際上會使網路患上嚴重的失憶症。在神經網路和活體生物中，類睡眠狀態不是不活動，而是一種不同型別的活動，對於神經元的正常運作至關重要。
我們才剛剛開始研究在我們的模擬中人工睡眠的額外好處。通常，當模擬開始時，模擬網路中的一些神經元根本無法工作。我們發現，應用人工睡眠狀態似乎可以重置空閒的神經元，以確保它們成為網路中正常運作的元件。
隨著研究人員構建越來越像活體神經系統的網路，它們似乎像我們一樣需要睡眠，這應該不足為奇。同樣，我們期望複雜的人工智慧系統將幫助我們更全面地瞭解生物系統中的睡眠和其他特徵。未來的打盹烤麵包機可能會為我們的大腦運作提供新的見解，此外還可以提供溫暖酥脆的早餐食物。