科学家们惊奇地发现，模仿人类神经网络的人工智能系统，如果有规律的休息时间，可能会运行得更好，就像睡眠对人类的影响一样。
这是新墨西哥州洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)的研究人员在研究一种人工智能的性能后得出的结论。人工智能被设计用来重现人脑中的神经网络。
由伊京·沃特金斯(Yijing Watkins)领导的一个计算机科学家团队设计了一款人工智能，他们希望能够自学如何在不访问任何现有分类系统数据库的情况下对不同类型的物体进行精确分类。
他们使用了一种被称为脉冲神经网络(SNN)的系统，该系统模拟了大脑中的神经元根据所接受的刺激的不同类型在不同时间和不同强度放电的方式。
根据沃特金斯的说法，这个系统是测试的理想系统，因为它“类似于人类和其他生物系统在童年时期从环境中学习”。
然而，在初步测试中，该团队发现他们的人工智能实际上并没有自学，而是运行的时间越长，它似乎变得越不稳定。
在进行了一系列其他修复方法的试验后，该团队决定将睡眠作为“最后的努力”。
他们设计了一种方法来诱导人工智能进入一种类似于人类大脑在睡眠时进入的低能量状态，而不仅仅是拔掉机器的电源。
沃特金斯在洛斯阿拉莫斯实验室的新闻博客上发表声明说，“这就好像我们给神经网络提供了相当于一个良好的夜间休息的机会。”
为了模拟睡眠，研究小组将人工智能暴露在一种特定频率的声波中，这种声波被称为高斯噪声，以模拟大脑在进入“慢波”睡眠阶段(快速眼动睡眠之前的状态)时接收到的神经信号。
令人惊讶的是，在暴露在几个小时的高斯噪声中后，系统恢复了稳定并开始正常工作。
洛斯阿拉莫斯实验室的加勒特·凯尼恩(Garrett Kenyon)认为，之所以会出现这个问题，是因为他们专注于一种专门复制真实生物系统的设计。
凯尼恩说:“如何使学习系统不变得不稳定的问题，只有在尝试使用生物真实的、峰值神经形态处理器或试图理解生物学本身时才会出现。”
“绝大多数机器学习、深度学习和人工智能研究人员从未遇到过这个问题，因为在他们所研究的人工系统中，他们拥有执行全局数学运算的特权，这些运算可以调节系统的整体动态增益。”
该团队的下一步将从英特尔试验性的Loihi芯片组开始，致力于将“睡眠”系统直接集成到神经形态计算机芯片中。
0
