人都是需要睡覺的，有些人甚至會做夢，這些在人工智能中有可能會存在嗎？如果存在其意義又是什麼？
很多人看到這樣的問題，肯定會說不會，機器又不需要休息，但是恰恰相反，人工智能也需要休息。
談及這個方面就要提到機器學習中的正相（positive phase）和負相（negative phase）
我們一般進行學習的都是正相，負相一般很少考慮，其在機器學習中的定義爲配分函數，用途是歸一化數據分佈。
在需要完整的數據分佈採樣中才會用到它。而且一般也很少有公司願意這樣做。RBM（受限玻爾茲曼機）就是其中的典型算法。
負相一般涉及從模型分佈中採樣（其有着很好局部平滑性，但是對於整體一般會呈現多峯分佈）所以我們一般可以認爲它試圖尋找模型信任度最高的點。
因爲負相減少了這些點的概率，它們一般被認爲代表了模型不正確的信念（這裏的信念是深度信念網絡中的信念，原文爲belief，但是其是一種深度概率模型，可以簡單
理解爲概率）。
在（Crick and Mitchison， 1983）中提到了想法，講其稱爲“幻覺”，也就是做夢的一種解釋：
大腦維持着世界的概率模型，並且在醒着的時候經歷的事情會遵循正相的梯度，在睡覺時會遵循正相的負梯度最小化負相，其採樣來自當前模型。
這個看似天馬行空的猜想可以解決具有正相和負相的大多數算法，但是還是沒有被神經科學所驗證。
而且這還不是唯一的情況，還有其他解釋，但是無一例外都指向人工智能也需要睡覺，甚至也有相應的模型，但是大都是讓人工智能醒着做夢。
最後通俗的解釋一下這種說法下睡覺在幹什麼？
正相是讓我們儘可能完整的理解世界，負相讓我們盡力地遺忘世界，他們就像是拔河，當我們對一件事認知過分時（類似過擬合）負相將會把我們拉回來，反之正相會讓我們學習更多，
達到平衡就是最理想的情況，訓練停止。
注：相關文獻很少，如果想了解請耐心查找，這是一篇關於配分函數的博文https://zhuanlan.zhihu.com/p/48552020