Странные сны могут помочь мозгу лучше учиться

Новое исследование ученых из Бернского университета (Швейцария) предполагает, что сны — особенно те, которые одновременно кажутся реалистичными, но при ближайшем рассмотрении оказываются причудливыми — помогают нашему мозгу учиться и извлекать общие понятия из предыдущего опыта. Исследование, проведенное в рамках проекта Human Brain Project и опубликованное в журнале eLife, предлагает новую теорию о значении снов с использованием методологии машинного обучения и моделирования мозга.
Важность сна и сновидений для обучения и памяти давно признана — хорошо известно влияние, которое может оказать одна беспокойная ночь на наше познание. «Нам не хватает теории, которая связала бы это с консолидацией опыта, обобщением концепций и творчеством», — объясняет Николя Деперруа, ведущий автор исследования.
Во время сна мы обычно испытываем два типа фаз сна, сменяющих друг друга: не-REM-сон, когда мозг «воспроизводит» сенсорные стимулы, испытанные во время бодрствования, и REM-сон, когда спонтанные всплески интенсивной мозговой активности приводят к ярким сновидениям.
Исследователи использовали имитацию коры головного мозга, чтобы смоделировать, как различные фазы сна влияют на обучение. Чтобы привнести элемент необычности в искусственные сны, они воспользовались методикой машинного обучения под названием генеративные адверсарные сети (GANs). В GANs две нейронные сети соревнуются друг с другом в генерации новых данных из одного и того же набора данных, в данном случае из серии простых изображений предметов и животных. В результате этой операции создаются новые искусственные изображения, которые могут выглядеть поверхностно реалистичными для человеческого наблюдателя.
Затем исследователи смоделировали кору головного мозга в трех различных состояниях: бодрствование, сон без памяти и REM-сон. Во время бодрствования модели показывали изображения лодок, машин, собак и других объектов. Во время сна без памяти модель воспроизводит сенсорный вход с некоторыми окклюзиями. REM-сон создает новые сенсорные входы через GANs, генерируя искаженные, но реалистичные версии и комбинации лодок, машин, собак и т.д. Чтобы проверить эффективность модели, простой классификатор оценивает, насколько легко идентичность объекта (лодка, собака, машина и т.д.) может быть считана из корковых представлений.
«По мере обучения наша модель становится все более реалистичной», — объясняет Якоб Джордан, старший автор и руководитель исследовательской группы. «В то время как не-REM сны довольно близко напоминают опыт бодрствования, REM сны склонны творчески сочетать этот опыт». Интересно, что точность классификатора снижалась, когда в модели подавлялась фаза REM-сна, или когда эти сны становились менее творческими. Когда фаза сна NREM была удалена, эти представления, как правило, были более чувствительны к сенсорным возмущениям (здесь — окклюзиям).
Согласно этому исследованию, бодрствование, не-REM и REM сон, по-видимому, выполняют взаимодополняющие функции для обучения: переживание стимула, закрепление этого опыта и открытие семантических концепций. «Мы считаем, что эти результаты свидетельствуют о простой эволюционной роли сновидений, не интерпретируя их точное значение», — говорит Деперруа. «Не стоит удивляться тому, что сны бывают причудливыми: эта причудливость служит какой-то цели. В следующий раз, когда вам приснятся безумные сны, не пытайтесь найти в них глубокий смысл — возможно, ваш мозг просто упорядочивает ваш опыт».