人类之所以会做梦，是因为大脑中的神经元在睡眠状态下出现不受外部刺激控制的随机激活。这些活动没有外部输入，却依然能拼凑出真实与荒诞交织的梦境。
这一"做梦"过程可以用 CNN 模型来模拟。CNN 通过多层卷积提取不同层次的特征，神经元的激活值对应模式出现的可能性。当对某一层的某一特征在某一位置进行强化时，就类似于人脑中神经元的随机激活。当这种激活过程与场景变换（如拉近镜头）相结合，就产生了类似做梦的效果。
通过 CNN"模拟梦境"的能力，我们再一次看到了人工神经网络与人类神经系统在某些方面的相似性。当然，AI 不会真的"做梦"，它没有意识、情绪和回忆，它所生成的"梦境图像"只不过是对人类做梦原理的一种模拟。
目前，DeepDream 和类似技术被用来制作各种奇幻的视频，比如在社交媒体上生成迷幻风格的自拍照和宠物视频。在科学探索领域，类似的技术还能帮助认知科学家探索人类与 AI 对形状、纹理、面孔的感知差异。
扩展思考：
- 在图 48.4所示的 CNN 模式图中，一个有趣的发现是，在低层 Places-CNN 和 ImageNet-CNN 学到的模式是差不多的，但在高层却差别较大。这一现象的原因是什么？
- 查找DeepDream 的开源代码，利用这一代码实验"机器做梦"过程。写一篇实验报告，总结你的实验过程和观察结果。
- 你认为机器做梦和人做梦有哪些相似之处？讨论一下机器做梦的机制能否反映人的做梦过程。