瑞士伯爾尼大學的研究人員進行的一項新研究表明，夢境——尤其是那些同時看起來很現(xiàn)實，但仔細觀察卻很奇怪的夢境——可以幫助我們的大腦從以前的經(jīng)歷中學習和提取通用概念。該研究在人腦項目中進行并發(fā)表在eLife上，使用機器學習啟發(fā)的方法和大腦模擬提供了關(guān)于夢想意義的新理論。
睡眠和夢境對學習和記憶的重要性早已得到認可——一個不眠之夜對我們認知的影響是眾所周知的。該研究的主要作者 Nicolas Deperrois 解釋說：“我們?nèi)狈Φ氖且环N將其與經(jīng)驗整合、概念概括和創(chuàng)造力聯(lián)系起來的理論。”
在睡眠期間，我們通常會經(jīng)歷兩種類型的睡眠階段，一個接一個地交替：非快速眼動睡眠，當大腦“重播”清醒時經(jīng)歷的感覺刺激時，以及快速眼動睡眠，當強烈的大腦活動自發(fā)爆發(fā)產(chǎn)生生動的夢境時.
研究人員使用大腦皮層的模擬來模擬不同的睡眠階段如何影響學習。為了在人造夢中引入不尋常的元素，他們從一種稱為生成對抗網(wǎng)絡 (GAN) 的機器學習技術(shù)中獲得靈感。在 GAN 中，兩個神經(jīng)網(wǎng)絡相互競爭以從同一數(shù)據(jù)集中生成新數(shù)據(jù)，在本例中是一系列簡單的物體和動物圖片。該操作產(chǎn)生新的人工圖像，對于人類觀察者來說，這些圖像看起來很真實。
然后研究人員模擬了三種不同狀態(tài)下的皮層：清醒、非快速眼動睡眠和快速眼動睡眠。在清醒時，模型會接觸到船只、汽車、狗和其他物體的照片。在非快速眼動睡眠中，模型會重放帶有一些遮擋的感覺輸入。REM 睡眠通過 GAN 創(chuàng)建新的感官輸入，生成扭曲但逼真的版本以及船、汽車、狗等的組合。為了測試模型的性能，一個簡單的分類器評估對象(船、狗、汽車)的身份識別的難易程度等)可以從皮質(zhì)表示中讀取。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！