美國洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory)的一項新研究表明，沒有人能確定機器人是否會夢見電子羊，但它們幾乎肯定需要一段時間的休息，而這種休息所帶來的好處與睡眠對活的大腦所帶來的好處類似。

美國洛斯阿拉莫斯國家實驗室的計算機科學家伊京·沃特金斯說:“我們研究的是脈沖神經網絡，這是一種能像活的大腦一樣學習的系統。”“我們被這樣一種前景所吸引，即通過類似于人類和其他生物系統在童年時期從環境中學習的方式來訓練神經形態處理器。”

沃特金斯和她的研究小組發現，連續一段時間的無監督學習后，網絡模擬變得不穩定。當他們將網絡暴露在類似于人類大腦在睡眠時所經歷的電波狀態時，穩定性就恢復了。沃特金斯說:“這就好像我們給了神經網絡一個相當于晚上好好休息的機會。”

這一發現是研究小組在開發神經網絡時發現的，該神經網絡與人類和其他生物系統學習視覺的方式非常接近。一開始，研究小組在進行無監督字典訓練時，很難穩定模擬神經網絡，這種訓練包括在沒有事先例子來比較的情況下對對象進行分類。

“如何避免學習系統變得不穩定的問題，只有在嘗試使用生物真實的，神經形態的處理器，或者嘗試理解生物學本身的時候才會出現，”洛斯阿拉莫斯的計算機科學家和研究合著者Garrett Kenyon說。“絕大多數機器學習、深度學習和人工智能研究人員從來沒有遇到過這個問題，因為在他們研究的人工系統中，他們有機會執行全局數學運算，從而調節系統的整體動態增益。”

研究人員認為，將網絡暴露在模擬睡眠狀態下的決定，幾乎是穩定網絡的最后一搏。他們對各種各樣的噪音進行了實驗，這些噪音大致相當于你在調諧收音機時可能遇到的電臺間的靜電。當他們使用所謂的高斯噪聲波時，得到了最好的結果，高斯噪聲包含了廣泛的頻率和振幅范圍。他們假設噪音是模仿生物神經元在慢波睡眠時接收到的輸入。結果表明，慢波睡眠在一定程度上可以確保皮層神經元保持穩定，不會產生幻覺。

研究小組的下一個目標是在英特爾的Loihi神經形態芯片上實現他們的算法。他們希望讓Loihi時不時地睡覺能讓它穩定地實時處理來自硅視網膜攝像頭的信息。如果這些發現證實了人工大腦需要睡眠，我們或許可以期待未來機器人和其他智能機器也會有同樣的情況。

沃特金斯將于6月14日在西雅圖的女性計算機視覺研討會上介紹這項研究。