目前发现,如果人工智能不能得到足够的休息,它们可能会开始像人类一样“疲倦”。

众所周知,人工智能的显著特点是不需要休息,这不同于人类或任何有神经系统的低级生物。但如果有一天,你发现家里的电脑可能需要休息一段时间,你的汽车、冰箱等使用人工智能技术的东西也需要每天休息一段时间才能正常工作。

当整合到目前依靠传统电脑和微处理器,并能模仿活体大脑帮助科学家的“人工智能”系统中,一些在电脑中从未见过的变化将会出现。美国国家实验室正在进行一项新的研究,以了解与活体大脑神经元非常相似的计算机系统。

当科学家致力于开发与人类学习非常接近的神经网络时,他们意识到了这一点。在这项活动中,网络开始对对象进行分类,而没有以前的比较示例。想象一下给一个孩子许多奇异动物的图片,让他们把相似的动物分组在一起。孩子们可能不知道羚羊是什么,所以他们会把它们和狮子或企鹅放在一起。

科学家发现,神经网络经过一段时间的持续学习后变得不稳定。当科学家将网络置于一种类似于活跃大脑在睡眠中所经历的波动的状态时,网络的稳定性就恢复了。就像科学家让神经网络睡一觉。

这种不稳定性并不是所有“人工智能”网络的特征。只有在使用用生物学理论构建的处理器或试图理解生物学和计算机之间的关系时,才会出现这个问题。机器学习、深度学习和“人工智能”领域的绝大多数研究人员从未遇到过这种不稳定性,因为在他们研究的非生物系统中,他们主要执行常规的数学运算。

科学家们决定将真实的生物网络暴露于人工睡眠模拟中,这几乎是稳定它们的唯一方法。科学家们对各种类型的数字噪声进行了实验,大致相当于调谐收音机时电台之间遇到的静态噪声。当科学家使用频率和振幅范围很广的噪声时,就会得到最好的结果。噪音模仿大脑神经元在慢波睡眠时接收到的输入信号,这是我们仅有的深度睡眠信号。

结果表明,慢波睡眠能保证神经元的稳定而无误。

神经网络中类似的睡眠状态与电脑在一段时间不活动后进入的模式截然不同。传统的处于睡眠状态的计算机处于暂停动画状态,所有的计算活动都被操作系统冻结。当电脑出现故障时,试着“先关掉电脑,然后再打开”,这相当于让你的电脑遭受短暂的脑死亡。

这种睡眠模式不能解决神经网络不稳定的问题。重启电源后,只需重新设置网络即可取消之前的所有训练,导致严重的网络健忘症。在神经网络和生物体中,像睡眠这样的状态不是不活跃的,而是另一种活跃的状态,对神经元的正常运作至关重要。

科学家们开始研究睡眠对神经网络的其他好处。通常,在测试开始时,人工智能网络中的一些神经元根本无法工作。科学家发现,使用睡眠似乎可以重置空闲的神经元,以确保它们在网络中充当桥梁。

随着研究人员建立的网络越来越类似于生活中的神经系统,他们似乎需要和科学家一样多的睡眠也就不足为奇了。同样,科学家希望先进的“人工智能”系统能帮助科学家更全面地了解睡眠和生物系统中的其他特征。在未来,静息的电脑可能为生物学家提供对人脑运作的新见解