科學家們驚奇地發現，模仿人類神經網絡的人工智慧系統，如果有規律的休息時間，可能會運行得更好，就像睡眠對人類的影響一樣。
這是新墨西哥州洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory)的研究人員在研究一種人工智慧的性能後得出的結論。人工智慧被設計用來重現人腦中的神經網絡。
由伊京·沃特金斯(Yijing Watkins)領導的一個計算機科學家團隊設計了一款人工智慧，他們希望能夠自學如何在不訪問任何現有分類系統資料庫的情況下對不同類型的物體進行精確分類。
他們使用了一種被稱為脈衝神經網絡(SNN)的系統，該系統模擬了大腦中的神經元根據所接受的刺激的不同類型在不同時間和不同強度放電的方式。
根據沃特金斯的說法，這個系統是測試的理想系統，因為它「類似於人類和其他生物系統在童年時期從環境中學習」。
然而，在初步測試中，該團隊發現他們的人工智慧實際上並沒有自學，而是運行的時間越長，它似乎變得越不穩定。
在進行了一系列其他修複方法的試驗後，該團隊決定將睡眠作為「最後的努力」。
他們設計了一種方法來誘導人工智慧進入一種類似於人類大腦在睡眠時進入的低能量狀態，而不僅僅是拔掉機器的電源。
沃特金斯在洛斯阿拉莫斯實驗室的新聞博客上發表聲明說，「這就好像我們給神經網絡提供了相當於一個良好的夜間休息的機會。」
為了模擬睡眠，研究小組將人工智慧暴露在一種特定頻率的聲波中，這種聲波被稱為高斯噪音，以模擬大腦在進入「慢波」睡眠階段(快速眼動睡眠之前的狀態)時接收到的神經信號。
令人驚訝的是，在暴露在幾個小時的高斯噪音中後，系統恢復了穩定並開始正常工作。
洛斯阿拉莫斯實驗室的加勒特·凱尼恩(Garrett Kenyon)認為，之所以會出現這個問題，是因為他們專注於一種專門複製真實生物系統的設計。
凱尼恩說:「如何使學習系統不變得不穩定的問題，只有在嘗試使用生物真實的、峰值神經形態處理器或試圖理解生物學本身時才會出現。」
「絕大多數機器學習、深度學習和人工智慧研究人員從未遇到過這個問題，因為在他們所研究的人工系統中，他們擁有執行全局數學運算的特權，這些運算可以調節系統的整體動態增益。」
該團隊的下一步將從英特爾試驗性的Loihi晶片組開始，致力於將「睡眠」系統直接集成到神經形態計算機晶片中。
