为什么人工大脑需要睡眠

(科学内幕)-一项新的研究发现，人工大脑可能需要深度睡眠才能保持稳定，就像真正的大脑一样。

在现在用于识别过街行人到诊断癌症的人工神经网络中，被称为神经元的组件被提供数据，并合作解决问题，比如识别图像。神经网络反复调整其神经元之间的相互作用，并观察这些新的行为模式是否更善于解决问题。随着时间的推移，网络会发现哪些模式似乎最适合计算解决方案。然后，它采用这些作为默认值，模仿人脑中的学习过程。

在大多数人工神经网络中，神经元的输出是一个随着输入的变化而不断变化的数字。这大致类似于生物神经元在一段时间内可能发出的信号数量。

相反，在尖峰神经网络中，神经元只有在给定时间内接收到一定数量的输入信号后，才会尖峰或产生输出信号，从而更接近于模拟真实的生物神经元的行为。

因为尖峰神经网络很少发出尖峰信号，所以它们传输的数据比典型的人工神经网络要少得多，原则上需要的功率和通信带宽也要小得多。实现尖峰神经网络的一种方式是使用神经形态硬件，即模拟神经元及其连接的电子设备。

然而，用于快速训练标准人工神经网络的传统技术不适用于尖峰神经网络。这项研究的主要作者、新墨西哥州洛斯阿拉莫斯国家实验室的计算机科学家伊静·沃特金斯(音译)说，我们仍在学习如何训练尖峰神经网络来执行有用的任务。

沃特金斯和她的同事们试验了对神经形态处理器进行编程，以学习基于稀疏数据重建图像和视频，这有点像人类大脑在童年发展期间如何从环境中学习。然而，我们所有的学习尝试最终都变得不稳定，这项研究的资深作者、洛斯阿拉莫斯大学的计算机科学家加勒特·肯扬(Garrett Kenyon)说。

科学家们对尖峰神经网络进行了计算机模拟，以找出发生了什么。他们发现，尽管它可以学会识别它被训练来寻找的数据，但当这样的训练持续足够长的时间时，它的神经元开始连续放电，无论它们收到什么信号。

沃特金斯回忆说，他们几乎在绝望的情况下，试图让模拟基本上经历深度睡眠。他们将其暴露在振荡噪音的循环中，大致相当于深度睡眠中看到的缓慢脑电波，这使模拟恢复了稳定性。沃特金斯说，研究人员认为，这种对慢波睡眠的模拟可能有助于防止神经元在随机噪音中产生他们正在寻找的特征的幻觉。

这些发现可能有助于解释为什么所有已知的能够从环境中学习的生物神经系统，从果蝇到人类，都经历慢波睡眠。肯扬说，每个人都需要慢波睡眠。即使是水生哺乳动物--鲸鱼、海豚等等--也需要一段时间的慢波睡眠，尽管明显存在寻找替代品的进化压力。取而代之的是，海豚和鲸鱼一次只用半个大脑睡觉。

肯扬说，为什么慢波睡眠如此不可或缺？我们的结果做出了令人惊讶的预测，即慢波睡眠可能对于任何尖峰神经网络，或者实际上是任何具有神经系统的有机体，能够从其环境中学习是必不可少的。

沃特金斯说，未来的研究可能会用真正的神经形态处理器来测试这些想法，以响应环境数据的来源，例如模仿眼睛内光敏视网膜的相机。

没有参与这项研究的英特尔(Intel)俄勒冈州希尔斯伯勒(Hillsboro)神经形态计算实验室主任迈克·戴维斯(Mike Davies)表示，定期添加噪音有望稳定这些网络的学习能力，防止它们变得更加脆弱和降低运营质量。我真的看到了神经形态设备的巨大前景，这种设备可以使自己适应现实世界中任何部署的地方，以执行一些你可能无法在工厂提前完美训练它的行为。

科学家们计划在6月14日公布他们的发现，作为计算机视觉和模式识别会议的一部分。