一篇2020年的论文指出，大脑可能像神经网络一样，会在学习中面临“过拟合”的问题。而梦，就是大脑版本的噪声注入。
先说什么是过拟合（overfitting）。当一个神经网络过度适应特定数据时，它会连噪声和无关细节都背了下来，这样会失去对新数据的泛化能力，换一批没见过的数据，表现就一塌糊涂。
简单理解就是只会死记硬背，不会举一反三。
AI领域解决这个问题常用的办法之一叫dropout，就是在训练时随机丢掉一部分输入，让数据变得稀疏残缺，逼着模型不要死记硬背细节。
还有一种叫域随机化（domain randomization），故意把输入数据扭曲、污染、加噪声，反而能让模型在真实世界里表现更好。
这篇文章表示：人脑每天面对的数据，其实高度自相似，你每天上下班走同一条路，见同样的人，做重复的事。如果大脑一味去拟合这些日常，它也会过拟合，变得只会应付熟悉场景，一旦遇到没见过的状况会宕机。
而梦，正是大脑版本的噪声注入。大脑通过生成天马行空的画面，打破日常认知的固有模式，帮你重新找到“广泛适应”的平衡。
梦越离谱，越能把你从过拟合里拽出来，让你的认知系统更鲁棒、更能泛化。
那为什么你做梦时不会怀疑？
因为产生怀疑、识别荒谬，靠的是前额叶皮层，而做梦时前额叶恰恰处于被抑制的状态。这种抑制不光让你浑然不觉自己在做梦，也让你醒来后大多记不住梦的内容。
梦的荒谬和碎片化特质并非“缺陷”，原来是进化特有的策略。
进一步来看，为什么有些人特别沉迷于艺术品，爱看虚构的小说、电影？为什么有人痴迷于明知是假的事情？
按这个逻辑就都说得通了，艺术和虚构或许替你提供了大量超出日常经验的输入，帮你的大脑保持泛化能力，不至于活成一台只会不断重复的机器。
