今天， “鹅厂”又上热搜了！
#腾讯员工月薪7万#话题引发网友热议。
有网友表示，难道我上的是假班？
还有网友调侃道，我也可以做到，那就是——做梦！
梦，作为一种神秘的主题体验，亘古以来，都是心理学家、哲学家、科学家尤为感兴趣的研究方向。AI的出现，是如何帮助人类理解梦境的？
梦境研究新方法论
一个多世纪以来，以弗洛伊德为代表的学者们从来没有停下对于梦境的研究。随着人工智能的出现及发展，梦境研究有了新的方法论。
近日，普及了深度神经网络概念的“AI教父”、多伦多大学教员、谷歌大脑（Google Brain）研究员杰弗里·辛顿（Geoffrey Hinton）提出一个关于梦境研究的新理念：AI反学习可能揭开人类梦境的奥秘。
Geoffrey Hinton对人工智能的未来充满期待，他认为未来的人工智能系统将主要是非监督式的。非监督式学习是机器学习的一个分支，在从未标记、无法归类和未分类的测试数据中收集知识，在学习共性和对潜在的共性做出反应的能力方面，几乎就像人类一般。因而，他认为今后神经学家还需要向人工智能研究员学习。就以人工智能探究梦的奥秘话题，他说游戏开发中的人工智能 pdf游戏素材下载 免费，“ 做梦的意义可能在于，你把整个学习过程颠倒过来。”
“如果你用一个有数十亿个参量的系统，在某个目标函数中实施梯度下降，它的效果会比你想象的好得多……规模越大，效果越好。”他说，“相比于让大脑计算某个目标函数的梯度，并根据梯度更新突触的强度，这要更加合理。我们只需要弄清楚它是如何得到梯度的以及目标函数是什么。”
至于我们为什么会不记得梦境的问题，Geoffrey Hinton早在一篇关于玻尔兹曼机器的合著论文中有所解释。他认为这可能与 忘却 有关，这些 AI 系统，由对称连接的神经元单位组成网络，可以随机决定是 开 还是 关 ，通过系统观察到的数据结果来看， 忘却 并不那么令人惊讶。
AI解梦研究进展
梦境因为神秘，早已引发无数的科学猜想。但其实在人工智能出现之前，人类从未真正理解梦的内容、机制和作用。在人工智能研究越来越成熟后，监测、记录和预知梦境的技术上才一步步取得了些进展。
1
梦境的监测
智能手环、睡眠监测APP的兴起，得益于睡眠监测技术的广泛应用。2017年时候，美国麻省理工学院研究人员和马萨诸塞州总医院睡眠医学科医务人员创建了一种分析射频信号的算法来监测用户的梦境。射频信号从身体反射出来，通过类似于路由器的RF设备检测身体的任何轻微运动，并通过该算法进行分析，以判断体验者是否正在做梦。
2
梦境的记录
我们常常忘记自己做过的梦，而如果梦能像电影那样被记录下来，就能很好地记住和研究我们做过的梦。为此，加州大学Gallant实验室的研究人员于2018年发明了一种可以“帮助记录梦境”的算法，这种算法可以处理大脑的活动，形成可识别的图像。在研究中，参与者观看电影预告片，并积极思考正在观看的内容。这种算法能够做到仅使用大脑图像就可以重现参与者正在观看的预告片的模糊图像。如果同样的技术应用于梦境，我们就看到与人的梦境相关的视觉效果。不过这里存在分辨率问题，形状和颜色可以解析，但无法以高分辨率视频的形式重建一个人的思维。不过也有可能梦境本身分辨率就不高。
3
梦境的预知
如果自己的梦能按照电影《盗梦空间》中所描述的主角那样控制梦境，那么你愿意做自己梦的导演吗?
“清醒梦”概念于1913年就有提出，清醒梦（lucid dream）技术已经让用户了解他们可以用来掌握自己梦境意识的策略。加州大学Gallant实验室研究报告中，则阐述合乎逻辑的AI预测梦境的步骤：先使用AI来识别人们如何做梦，然后使用这些数据（结合历史数据）来预测一个人未来可能如何做梦。
不过报告中也表示这种方法存在一个数据可用性的重大问题。有无数的变量会影响我们的睡眠和梦境，其中许多仍然没有被科学家们很好地理解。虽然我们可能开发出收集这些数据的工具，但我们不一定有能够客观地衡量它们对梦境的影响的工具（例如：记录梦境的视觉画面）。
AI也需要做梦
有很多人工智能科学家都秉持和“AI教父”Geoffrey Hinton一样的看法，认为未来的人工智能系统是非监督式的，几乎和人类一样。而我们知道深度睡眠对于人类工作效率提升的重要性，那么，机器人是否也需要通过做梦来提升工作效率呢？
谷歌认为，如果睡眠和梦境可以确保复杂的人体正常运转，那么同样的机制也可以应用于人工智能。
2018年3月，谷歌大脑研究科学家 David Ha 与瑞士 AI 实验室 IDSIA 负责人 Jürgen Schmidhuber（他也是 LSTM 的提出者）提出了模拟世界的模型：人工智能梦境。旨在让人工智能在梦境中对外部环境的未来状态进行预测，大幅提高完成任务的效率。也就是说，先让AI通过某种算法学习图片，然后在学习的基础上做梦，最后在梦的基础上进行未来预测。
谷歌的梦境训练很早就有开展，有趣的是，梦境训练提高了DeepMind系统的效率。在雅达利游戏中，这一人工智能的表现达到了人类专家的880%。
如何使AI像人类一样，能自动、本能地进入梦乡？科学家们也费了一番功夫。这里不得不提的是，由意大利研究者设计了一种叫做Hopfield网络的人工神经网络。
Hopfield神经网络HNN（Hopfiled Neural Network)是一种结合存储系统和二元系统的神经网络。它保证了向局部极小的收敛，但收敛到错误的局部极小值（local minimum），而非全局极小（global minimum）的情况也可能发生。Hopfield神经网络也提供了模拟人类记忆的模型。
研究者认为，当人工神经网络“清醒”时，它是处于学习和存储模式。但是它的存储容量是有限的。因此，研究小组想出了一种数学方法来实现人类的睡眠模式——快速眼球运动睡眠和慢波睡眠，前者被认为可以消除不必要的记忆，后者被认为可以巩固重要的记忆。所以这也是人工神经网络的“睡眠”状态所做的事情音乐音效，循环并释放不必要的信息，然后巩固记忆剩下的重要的信息。
研究结果是非常显著的。在没有睡眠状态的情况下，最大容量是α=0.14，其中α代表每个突触存储的比特数。当一个睡眠周期被纳入神经网络时，神经网络达到了这种类型的网络容量的理论极限-α=1。大量的模拟测试验证了这一结果——表明允许人工神经网络偶尔打盹（使用正确的打盹算法）可以提高人工智能的性能。
梦境对于人类和AI的重要性都不言而喻。伴随着AI技术的日趋成熟游戏开发中的人工智能 pdf，梦境的神秘面纱被一层层揭下，也许不久之后梦境就能像电影投射在荧幕上一样被呈现出来，而人类和AI都是电影的导演。
图片来自网络
部分参考：
