模仿人类睡眠作为防止人工智能系统中灾难性遗忘的一种方式

加州大学的三位研究人员与捷克科学院计算机科学研究所的一位同事合作，发现可以通过让人工智能系统模仿人类快速眼动睡眠来防止灾难性遗忘。

在他们发表在PLOSComputationalBiology上的论文中，RyanGolden、JeanErikDelanois、MaximBazhenov和PavelSanda描述了在处理第二个任务时如何让人工智能系统记住从第一个任务中学到的东西。

先前的研究表明，人们在快速眼动睡眠期间会经历一种称为记忆巩固的现象。这是一个将最近经历过的事情转移到长期记忆中以便为新经历腾出空间的过程。如果没有这样的过程，大脑就会经历灾难性的遗忘，不会保留对最近事物的记忆。

这可以在一些失去良好睡眠能力的老年人身上看到，因此他们发现自己能够记住遥远过去的事情而不是最近几天发生的事情。在这项新的努力中，研究人员发现类似的东西可以用来帮助人工智能系统在学习新事物的同时保留过去学到的东西。

人工智能系统因其精通某一流派的能力而闻名——例如，可以创建一个系统成为国际象棋大师。但事实证明，让人工智能系统掌握不止一个主题是一项挑战。

这是因为，研究人员解释说，新的学习往往以旧的学习为代价。随着在新领域学到更多东西，就会失去更多旧记忆，直至完全消失。为了克服这个问题，研究人员研究了人脑如何处理类似情况。

首先，他们构建了一个AI系统，该系统首先被教授一项任务，然后是另一项任务。正如预期的那样，他们发现，随着它在第二项任务中变得更好，它在第一项任务中失去了能力。为了克服这个问题，研究人员添加了模仿人脑快速眼动睡眠的代码。它们实质上赋予了系统穿插睡眠/工作阶段的能力，使系统能够在处理新记忆时继续保留旧记忆，并有助于防止灾难性遗忘。