專門研究夢與想像的加拿大卡爾頓大學認知科學系教授吉姆・戴維斯（Jim Davies）好奇，為什麼我們的夢經常不合邏輯，而且大部分還很沈悶呢？不真實的夢帶來的陌生感又有什麼作用？他寫道：「或許大腦提供詭異的夢境，某方面是為了應對一成不變的環境，以新奇的夢境打破枯躁乏味的日常經歷。」換句話說，夢很可能是在睡覺時訓練大腦，以面對未來各種無法預期的狀況。

　　夢還包括一種自我適應的邏輯：動物在環境中太過嚴格地模擬情境，而犧牲了歸納、理解新經歷與學習的能力。人工智慧科學家稱其為「擬合過度」（overfitting），對於給定的數據集擬合得太好。例如，在圖片數據庫訓練太久的人臉辨識演算法，就可能開始尋找樹木與背景等其他物體試圖辨識人臉，這就是所謂的擬合過度。有沒有可能是因為大腦不斷地在努力運作，因此它才會打造陌生詭異的夢境，來避免生物產生擬合過度的情況，否則我們每天都在面對這個世界，或許真有可能導致擬合過度？

　　神經科學家、《啟示錄》（The Revelations，一部關於大腦意識的小說）作者艾瑞克・霍爾（Erik Hoel）認為，這種說法很合理。他最近發表一篇題為《擬合過度的大腦：夢的演化有助於泛化》（The overfitted brain: Dreams evolved to assist generalization）的論文，內容闡述了他的推測，霍爾說：「哺乳動物的大腦不斷在學習，而且開關不會關閉。因此，我們有理由相信哺乳動物會面臨過度學習的問題，或者學得太好以致於需要用某種認知平衡機制來抗衡。這就是所謂的大腦擬合過度假說：生物的學習能力不斷趨於同一個方向，而身體必須與之抗衡維持穩定，把狀態帶回更理想的設定。」

　　霍爾的理論獨特之處在於，它不僅為詭異的夢境提供原因，而且還解釋了目的。其他關於夢的解釋並沒有真正說明為何夢境經常不合邏輯，或只是把夢當成大腦活動的副產品。真正詭異的夢其實很少：我們很容易高估夢境的詭異程度。雖然我們通常更容易記住奇怪的夢，但深入研究表明，大約有80％夢是正常的活動，而且可能非常無聊沈悶。

　　「連續性假說」支持了這個觀點，它認為夢只是清醒生活的真實再現，而我們大部分所做的夢（而非我們有記憶的夢）都屬於這一類。但連續性假說無法解釋為什麼我們夢到某些事物的次數比其他還多。舉例來說，現代人幾乎每天長時間使用電腦或手機——無論是工作、娛樂、看電影、閱讀。然而，你又有多少次夢見自己坐在電腦前呢？連續性假說認為，夢境裡的活動反映了現實生活的活動比例，但很顯然並非如此。

　　另一套理論認為，夢的存在是為了幫助我們模擬演練現實世界的事件。這個理論得到了相關研究的普遍支持，研究發現，睡眠（尤其是做夢）似乎對學習和記憶很重要。瑞典舍夫德大學的認知神經科學家安蒂・雷文索（Antti Revonsuo）以此提出了兩個理論：「危機模擬理論」（threat simulation theory）解釋了為什麼70％的夢都很痛苦，它認為夢的功能是應對危機的模擬演練；後來，他將這個理論擴展到夢是為了演練普遍的社交場合。這些學習理論也解釋了為什麼我們在夢裡所看到的東西如此真實：因為如果我們不這麼想，就不會認真看待夢裡的事物與狀況，也就比較不會從中學到東西。

　　還有一種理論認為詭異的夢是大腦活動的副產品。「隨機啟動理論」（random activation theory）認為，夢境是前腦嘗試釐清後腦在睡眠時發出混亂且無意義的資訊，而發送給它的隨機活動。這套理論認為，產生詭異的夢境沒有原因。然而，腦幹的隨機活動或許並不是毫無意義，麥基爾大學的神經科學家芭芭拉・瓊斯（Barbara Jones）指出，大腦的這部分被用來處理計劃性的活動，例如做愛和慢跑，因此這些活動經常出現在夢裡。

　　霍爾的理論正視了夢境的詭異，他的假設不是間接地處理問題，而是為詭異賦予了意義。他認為詭異的夢境有助於預防大腦發生機器學習科學家擔心的事情：擬合過度。停止學習是處理擬合過度的一種方法，使機器不再過度注意數據集裡無關緊要的細節。但還有其他的方法，常見的抗衡方法包括輸入雜訊，通常是一些失真的訊息。事實上，這讓深度學習的神經網路不太能確定數據集特色的重要性，而去注意在現實世界更為重要的廣泛性。因此，霍爾認為夢之所以詭異，是因為它們發揮了相同的功能：輸入扭曲失真的訊息，防止大腦在清醒時發生擬合過度的狀況。

　　耐人尋味的是在實驗室裡，擬合過度確實可以在人類身上發生，但睡眠能夠消除它。簡而言之，夢之所以詭異，是因為它必須如此。如果夢跟現實生活太相似，就會加劇擬合過度的狀況，而不是消除它。即使是關於現實的夢，通常也不會完全符合在我們身上所發生的真實情節。

　　霍爾的假設（與其他學習理論的描述一樣）也認為睡眠是進行「離線」學習的最佳時間。扭曲失真的輸入可以分散注意力，但如果發生在清醒時就會變得危險。因此，我們會忘記大多數夢的原因，或許是為了避免我們把夢誤認成真實發生過的事情。大腦需要訓練神經網路，但不是創造新的情景和記憶讓夢與現實混淆。

　　這些理論都表明，夢應該具備某種最理想的詭異程度。不幸的是，詭異並不是一件容易衡量的事情，霍爾說：「就像藝術或文學作品，一首好詩不會完全沒有意義，也不只是『我看見花是藍色』這樣簡單。它佔據了一些關鍵的空間，在那裡事物會隨隱喻的使用而產生變化，但又不會太多而導致完全無法辨認或陌生。在解決過度學習、過度記憶與擬合過度等一系列問題時，適度的詭異或許最能幫助龐大且複雜的大腦。」

　　神經網路受到了大腦結構啟發，但自從深度學習興起以來，這些人工智慧大多被用來創造更智慧的機器，而不是建構與理解人類的思維。越來越多有關深度學習的發現，啟發了大腦如何運作的新理論。而為了學得更好，神經網路可能需要「夢見」一些詭異且看似無意義的事情，就像人類那樣。

原文出處：Nautil