Sonhos loucos nos ajudam a dar sentido às nossas memórias

Uma nova teoria sugere que a lógica ilógica dos sonhos tem um propósito importante.

Sonhos loucos nos ajudam a dar sentido às nossas memóriasCrédito: Paul Fleet / Adobe Stock
  • Se consolidar memórias enquanto dormimos é como aprendizado de máquina, talvez os sonhos mantenham nossos 'algoritmos' no caminho certo.
  • O aprendizado de máquina é otimizado pela injeção de uma certa quantidade de dados sem sentido.
  • Talvez os sonhos sejam estranhos o suficiente para fazer o mesmo por nós enquanto dormimos.




  • Por um tempo, a teoria principal sobre o que estamos fazendo quando sonhamos é que estamos classificando nossas experiências do último dia ou mais, consolidando algumas coisas em memórias para armazenamento de longo prazo e descartando o resto. Isso não explica, porém, por que nossos sonhos costumam ser tão estranhamente estranhos.



    Uma nova teoria propõe que nossos cérebros joguem toda essa loucura como uma forma de nos ajudar a processar nossas experiências diárias, da mesma forma que os programadores adicionam absurdos aleatórios e não relacionados, ou 'ruído', em conjuntos de dados de aprendizado de máquina para ajudar os computadores a discernir padrões úteis e preditivos nos dados que são alimentados.

    Sobreajuste

    O objetivo do aprendizado de máquina é fornecer a um algoritmo um conjunto de dados, um 'conjunto de treinamento', no qual os padrões podem ser reconhecidos e a partir do qual as previsões que se aplicam a outros conjuntos de dados invisíveis podem ser derivadas.



    Se o aprendizado de máquina aprende seu conjunto de treinamento muito bem, ele simplesmente lança uma previsão que corresponde precisamente - e inutilmente - aos dados em vez de padrões subjacentes dentro deles que podem servir como previsões provavelmente verdadeiras para outros dados até então não vistos. Nesse caso, o algoritmo descreve o que o conjunto de dados é ao invés do que isso meios . Isso é chamado de 'overfitting'.

    como enganar um cão farejador de drogas

    gov-civ-guarda.pt

    O valor do ruído

    Para evitar que o aprendizado de máquina se torne muito fixado nos pontos de dados específicos no conjunto que está sendo analisado, os programadores podem introduzir dados extras não relacionados como ruído ou entradas corrompidas que são menos semelhantes do que os dados reais sendo analisados.



    Esse ruído normalmente não tem nada a ver com o projeto em questão. Ele está lá, metaforicamente falando, para 'distrair' e até mesmo confundir o algoritmo, forçando-o a recuar um pouco para um ponto de vantagem em que os padrões nos dados podem ser mais facilmente percebidos e não extraídos dos detalhes específicos dentro do conjunto de dados.

    Infelizmente, o overfitting também ocorre muito no mundo real, à medida que as pessoas correm para tirar conclusões de pontos de dados insuficientes - o xkcd tem um exemplo divertido de como isso pode acontecer com eleição 'fatos'.

    (No aprendizado de máquina, há também 'underfitting', em que um algoritmo é muito simples para rastrear aspectos suficientes do conjunto de dados para coletar seus padrões.)

    quão rápido a terra está viajando pelo universo

    Crédito: Agsandrew / Adobe Stock

    Barulho noturno

    Resta muito que não sabemos sobre quanto espaço de armazenamento nossos noggins contêm. No entanto, é óbvio que se o cérebro se lembrasse de absolutamente tudo o que experimentamos em todos os detalhes, seria muito para lembrar. Portanto, parece que o cérebro consolida as experiências enquanto sonhamos. Para fazer isso, deve dar sentido a eles. Deve haver um sistema para descobrir o que é importante o suficiente para lembrar e o que não é importante o suficiente para esquecer, em vez de apenas despejar tudo em nossa memória de longo prazo.

    Realizar esse despejo no atacado seria muito parecido com um sobreajuste: simplesmente documentar o que experimentamos sem separar por meio dele para determinar seu significado.

    É aqui que a nova teoria, o Hipótese de Overfitting Brain (OBH) proposto por Erik Hoel da Tufts University, entra. Sugerindo que talvez a análise de experiências do sono do cérebro seja semelhante ao aprendizado de máquina, ele propõe que as narrativas ilógicas nos sonhos são o equivalente biológico do ruído que os programadores injetam em algoritmos para manter eles de overfitting seus dados. Ele diz que isso pode fornecer tolices fora do padrão apenas o suficiente para forçar nossos cérebros a ver a floresta e não as árvores em nossos dados diários, nossas experiências.

    Nossas experiências, é claro, são fornecidas a nós como entrada sensorial, então Hoel sugere que os sonhos são ruídos de entrada sensorial, injeção de ruído biologicamente realista com um toque narrativo:

    “Especificamente, há boas evidências de que os sonhos são baseados na percolação estocástica de sinais através da estrutura hierárquica do córtex, ativando a rede de modo padrão. Observe que há evidências crescentes de que a maioria desses sinais se origina de uma maneira de cima para baixo, o que significa que as 'entradas corrompidas' terão semelhanças estatísticas com os modelos e representações do cérebro. Em outras palavras, eles são derivados de uma exploração estocástica da estrutura hierárquica do cérebro. Isso leva às alucinações bem estruturadas que são comuns durante os sonhos. '

    Simplificando, nossos sonhos são realistas o suficiente para nos absorver e nos levar adiante, mas são diferentes o suficiente de nossas experiências - nosso 'conjunto de treinamento' - para servir efetivamente como ruído.

    É uma teoria interessante.

    Obviamente, não sabemos até que ponto nosso processo mental biológico realmente se assemelha ao aprendizado de máquina feito pelo homem, comparativamente mais simples. Ainda assim, vale a pena pensar no OBH, talvez pelo menos mais vale a pena pensar no que naquela foi ontem à noite.


    Idéias Frescas

    Categoria

    Outro

    13-8

    Cultura E Religião

    Alquimista Cidade

    Livros Gov-Civ-Guarda.pt

    Gov-Civ-Guarda.pt Ao Vivo

    Patrocinado Pela Fundação Charles Koch

    Coronavírus

    Ciência Surpreendente

    Futuro Da Aprendizagem

    Engrenagem

    Mapas Estranhos

    Patrocinadas

    Patrocinado Pelo Institute For Humane Studies

    Patrocinado Pela Intel The Nantucket Project

    Patrocinado Pela Fundação John Templeton

    Patrocinado Pela Kenzie Academy

    Tecnologia E Inovação

    Política E Atualidades

    Mente E Cérebro

    Notícias / Social

    Patrocinado Pela Northwell Health

    Parcerias

    Sexo E Relacionamentos

    Crescimento Pessoal

    Podcasts Do Think Again

    Patrocinado Por Sofia Gray

    Vídeos

    Patrocinado Por Sim. Cada Criança.

    Recomendado