'Wake' -appen i 'Inventing Anna' er ikke ekte, men drømmeforskere * samler og analyserer drømmedata

Hvordan drømmeforskere for tiden nærmer seg drømmedatasamling og analyse

Hovedelementet i Oppfinne AnnaWake som faktisk sporer med mange nåværende drømmeanalysestudier er den foreslåtte innsamlingsmåten. I de fleste tilfeller er drømmeforskere i dag faktisk avhengig av skriftlige rapporter om drømmeinnhold som folk har sendt til online fora eller tilbudt forskere i studier. Den mest omfattende databasen er Dreambank, et nettarkiv med mer enn 24 000 drømmeoppslag som ble hentet fra både studier og personlige dagbøker som ble samlet i 1999, med drømmer som spenner over flere tiår før det. (Fordi disse drømmerapportene igjen er subjektive for menneskene som rapporterer dem og deres minner-en stor begrensning for enhver storstilt drømmeanalyse-noen forskere undersøker også måter å trekke ut visuelle drømmedata gjennom fMRI hjerneskanninger, selv om den er forskningen er Fortsatt super foreløpig.)

Ved å bruke disse databasene med skriftlige drømmetranskripsjoner har forskere brukt innholdsanalyseteknikker for å forstå temaer og trender. Den største studien av denne typen til dags dato kommer fra Social Dynamics Group ved Cambridge University's Nokia Bell Labs, som skapte en kunstig-intelligensalgoritme kalt “Dreamcatcher” for å undersøke data fra Dreambank nevnt ovenfor. Spesielt trente de algoritmen til å analysere drømmene ved hjelp av Hall/Van de Castle Scale, som er et system for å klassifisere drømmer basert på hvorvidt og i hvilken grad de inneholder visse viktige aspekter eller komponenter.

"Denne skalaen fungerer ved å telle og kategorisere karakterer som vises i hver drøm," sier datavisualiseringsdesigner Edyta Bogucka, en forsker på prosjektet. "Er de imaginære vesener eller mennesker? Og hvis de er mennesker, er de bekjente eller anonyme mennesker?"Derfra er interaksjoner med disse karakterene også kategorisert? Det siste trinnet er å kvalifisere disse interaksjonene til en emosjonell dimensjon, avhengig av om de er positive, negative, aggressive eller så videre. "I hovedsak er DreamCatcher -algoritmen kutt og dissekerer setninger fra drømmerapportene til enkeltord, som tilsvarer disse karakterene, interaksjonene og følelsene, som gjorde at vi i hovedsak kunne automatisere drømmeanalyse.""

“Algoritmen kutter og dissekerer setninger fra drømmen rapporterer til enkeltord som tilsvarer karakterer, interaksjoner og følelser.”-Ededy Bogucka, drømmeforsker

Spesifikt oppdaget algoritmen trender mellom demografiske undergrupper av drømmereporterne; For eksempel fant den krigsveteraner mer sannsynlig å ha voldelige drømmer dominert av menn, mens ungdom som identifiserte seg som kvinner oftere hadde drømmer som reflekterer angst rundt kroppens utseende eller seksualitet. Selvfølgelig kan en terapeut som ser på det samme drømmeinnholdet for en person, trekke ut lignende temaer. Men fordelen med automatisering er evnen til å raskt trekke innsikt som ovennevnte masse som et middel til å merke vanlige drømmeelementer mellom kategorier av mennesker.

Dette er nettopp den typen ting som Soik (eller Sikorsky, i showet) tar sikte på å gjøre-det vil si å trekke meningsfulle, konkrete konklusjoner om hvordan mennesker i Stockholm eller San Francisco eller Sydney drøm; om hvorvidt mennesker med mer suksess drømmer annerledes enn de med mindre; Om drømmene til kjente mennesker, og et hvilket som helst antall andre kategoriske variasjoner over tid. Mens han håpet på å til slutt tjene penger på disse dataene, ser forskere det som et potensielt nyttig verktøy for å heve selvinnsikt og demokratisere tilgang til den typen drømmeanalyse som vanligvis er begrenset til folk som har råd til å se en drømmeterapeut.

Uansett bruk av bruken, men dataene fra den nåværende iterasjonen av DreamCatcher -algoritmen børster bare overflaten til det større målet. Per nå kan innsikten bare være så granulær som drømmen rapporterer at den refererer til-som igjen er begrenset til noen få sett med et par tusen drømmer fra de som har valgt å regelmessig bidra til Dreambank tidligere. Prosessen er også fortsatt eksperimentell, gitt at den er basert på en bestemt analyseskala som kanskje ikke står for full kompleksitet og nyanse av individuelle drømmer over tid.

Hvor drømmevitenskap fremdeles har rom til å vokse

Utvilsomt er den største begrensningen for å ta en algoritme som den ovenfor og oversette den til en forbrukervendt drømmeapp som Wake er den kontinuerlige datainnsamlingen som gjør det. For å trene algoritmen til å trekke en konklusjon om en "gjennomsnittlig" drøm for en gitt kategori mennesker, trenger du tusenvis av den typen personer for å sende inn drømmene sine regelmessig over tid. Mens Dreamcatcher -forskningen er et bevis på konsept som datamaskiner kan Trekk nyttig innsikt fra en haug med tilsynelatende ikke-relaterte drømmerapporter, det står ikke for de logistiske hindringene som ligger i massedrømmesamlingen eller dataprivasjen rundt potensialet for en database med den størrelsen som skal utnyttes (aka solgt til Big Tech , for eksempel).

Og til og med anta det var Mulig å få nok folk til å villig og regelmessig dele måter med drømmedataene sine, det er fremdeles spørsmålet om kunstig intelligens kan tolke drømmer helt og effektivt uten den personlige konteksten som bare er kjent for drømmeren; Den nåværende iterasjonen av DreamCatcher -prosjektet fungerer rundt dette, delvis ved å analysere drømmer fra mennesker med kjent Demografiske egenskaper (e.g., En ungdomsskolejente eller en fremtidig brud), men for å effektivt analysere drømmer som er sendt inn via en app, ville algoritmen trenge lignende demografiske egenskaper fra appsendere, og kanskje enda mer detaljer om hva som skjer i disse folks våkne liv.

"Kontinuitetshypotesen" som er akseptert av mange drømmeforskere uttaler at drømmene våre gjenspeiler en fortsettelse av våre våkne tanker og opplevelser, så uten den intel er det vanskelig å se hvor langt algoritmen virkelig kan gå mot å tolke noen innsenders drømmer. "Ved å ta drømmene og aktiviteten til meningsskaping utenfor drømmerens kontekst og bringe den inn i dette objektive rammeverket, mister disse analysene et viktig stykke," sier Reskhan.

Men det er fremdeles håp om at utsiktene til at utbredt drømmeanalyse blir en realitet. Reskhan jobber med den ideelle organisasjonen Metaverse for å bygge en Citizen-Science-plattform (en "Wikipedia for Dreams," sier han) der forskere kan samarbeide direkte med hverdagslige mennesker for å analysere drømmedata hentet fra online drømmefora.

Denne typen plattformer, forventer han, vil ikke bare fjerne den potensielle maktspillet til et selskap som eier store mengder drømmedata, men vil også tillate flere å forstå drømmene sine bedre i sammenheng, over tid. Og det er grunnleggende for hvordan Reskhan ser på drømmer generelt: "De kommer alltid til å være flerdimensjonale, og vi har aldri rett til å begrense 'x' drøm til 'y' tolkning," sier han. “Men en åpne data for drømmer kan i det minste skape et nyttig utgangspunkt.”

å, hei! Du ser ut som noen som elsker gratis treningsøkter, rabatter for nyskapende velværemerker og eksklusivt brønn+godt innhold. Registrer deg godt+, Vårt online fellesskap av velværeinnsidere, og låser opp belønningen umiddelbart.