近几年来，随着神经科学的不断发展，人们对许多新奇的未知领域有了新的探索和发现。在神经科学领域，其中有一项不得不提的就是，科学家们经过不断的研究，最终发现了“梦境”对于人类的记忆巩固，有着尤为重要的作用。
如今，谷歌的人工智能公司DeepMind就研发了一项新的技术，他们能够让机器人来“做梦”，通过对梦境的创建，能够达到提高学习速度的目的。
该项目的诞生其实并没有让人们大跌眼镜，因为早在几年前，在该项目推出之前，就有了相关的铺垫。起初，研发人员们对这些人工智能梦境的创建也是花了很多时间和功夫，他们引进了许多不同的素材，最初这些梦境中的内容还包括著名的雅利达视频游戏。
一提到谷歌的这家人工智能公司DeepMind，我们首先想到的是它强大的人工智能教导模式，他们还教过人工智能玩不同的经典视频游戏，并且让这些AI还都能玩的有模有样。这也是DeepMind公司取得的最令人称叹的成就。
然而如今我们所提到的，是让机器人能够做真实的“梦”，就像人类所做的正常的梦一样，通过对真实场景的分析，就能够产生相应的“记忆”和“思维”，从中我们也可以发现，在学习和记忆各样的信息时，真实世界的场景往往占据着重要的作用。
为了更好地了解机器人做梦的重要性，我们首先需要了解梦在哺乳型物种的头脑中是如何工作的，就好比说在人类的头脑中，梦是怎样形成的，跟头脑思维又有哪些联系。我们可以从神经科学的角度来更好地理解这个问题，而科学家们也在该领域有了很多的发现，其中在了解梦境在整个思维机制中所担当的角色时，科学家们最重大的一个发现是，梦的主要内容都是一些负面的信息，并且都带有恐吓性的倾向。
你可以尝试做一件事，就是连续一个月将你所做的梦纪录下来，你会很奇妙地发现你的梦大多数都是负面和惊恐的的一些情景。虽然也会有一些很美好的梦境，但是相比而言还是略少一些。从这个简单的一项发现中，我们可以推论，在梦境中，噩梦的出现是一种正常现象，而不是我们所理解的非正常情境，从古至今一直都是这样。
这些过度负面的梦境内容，从表面上来看似乎不存在任何的意义，也无法看出其中的端倪。但是如果从神经科学的角度来分析，就能够查验出其中许多有用的信息。在众多的神经科学理论当中，有一个十分突出的理论则说明，梦境实则是对最近现实生活中所发生的事件的一个突出和强化。
在梦境中所经历的负面和惊恐的状况，实际上可以帮助大脑更好地消化这些记忆信息，能够更加深化现实中的经历，从而可以让头脑更加深刻地记得这些信息。如今，DeepMind就是使用梦境的这些特点，在一场视频游戏中，对AI进行不断地训练，让它们不断地熟悉这些内容，从而可以加快人工智能学习的速率，提升学习效果。
那么，对于机器人而言，它们要面临的挑战有哪些呢？到目前为止，世界上最先进的AI的也只能从一些较复杂的视频游戏中获得小部分的经验和技巧，例如《星际争霸2》和《迷宫》。
因此在目前这些境况下，要设置出一个更加具有威胁恐惧性的情境，就需要额外考虑一些特别的因素，例如可以在这些游戏中加入“大BOSS”等角色，或者是设置一些迷宫和蛊惑人心的环节，让人工智能在这个过程中，要费尽心力与其争战，在这个过程中会充满各样的挑战。而不是仅仅设置一些毫无意义的环节，让整个游戏的气氛很缓和轻松，不具备任何的挑战。
“梦境”式的训练方法可以让人工智能着重游戏中的某些特定部分，尤其是那些具有挑战性的环节，在这个过程中它们需要反复不断地练习，反复总结经验，直到修炼出专业技能为止。使用这种技术，在DeepMind的研究人员能够帮助人工智能实现10倍的学习速率。
也许你会问，为什么这些AI的思维会在某些游戏中比创造它们的人类还要厉害呢？要搞清楚这一点，就必须对监管式学习与非监管式学习进行区分。迄今为止，获得突出表现的AI都是在使用监管式学习的模式，在该模式中，程序员会对系统提供许多对“训练数据”，然后AI会学习这些数据并进行检测。
这是训练教导机器人最简单的方式，但这种方法与人类的学习模式不一样。目前我们在开发一种非监管式的学习模式，诚寻远门不需要对该系统进行相关的数据训练，它们可以自行学习，自行决定，从而达到某个目标。
DeepMind的研发人员们更加看重这种无监管式的学习，因为在这种模式下，人工智能更有潜力创造出与人类相似的东西。因此，虽然机器人在未来是否真的能够通过“做梦”来实现更快速率的学习，依然还有许多不确定之处，但是人工智能不久之后能够对现实情境有更加清晰的理解。虽然目前这些都是一些尝试和推测，但是这些生动的想法和理念，将会在不久的将来成为推动人工智能发展的绝佳动力。
来源：1号机器人网
智造家