Wake -appen i uppfinner Anna är inte riktigt men drömforskare * är * att samla in och analysera drömdata

Hur drömforskare närmar sig för närvarande drömdatainsamling och analys

Huvudelementet i Uppfinner AnnaSaken som faktiskt spårar med många aktuella drömanalysstudier är dess föreslagna insamlingssätt. I de flesta fall är drömforskare idag i själva verket att förlita sig på skriftliga rapporter om dröminnehåll som människor har lämnat till onlineforum eller erbjuds forskare i studier. Den mest omfattande databasen är DreamBank, ett webbarkiv med mer än 24 000 Dream Reports som avlägsnades från både studier och personliga dagböcker som sammanställdes 1999, med drömmar som sträcker sig över decennier innan det. (Eftersom dessa drömrapporter är återigen subjektiva för de människor som rapporterar dem och deras minnen-en stor begränsning till någon storskalig drömanalys---forskare undersöker också sätt att extrahera visuella drömdata genom fMRI-hjärnskanningar, även om den forskningen är fortfarande super preliminär.)

Med hjälp av dessa databaser med skriftliga drömtranskript har forskare använt innehållsanalysstekniker för att förstå teman och trender. Den största studien av denna typ hittills kommer från Social Dynamics-gruppen vid Cambridge University's Nokia Bell Labs, som skapade en konstgjord-intelligensalgoritm som kallas "Dreamcatcher" för att undersöka data från DreamBank som noterats ovan. Specifikt utbildade de algoritmen för att analysera drömmarna med Hall/Van de Castle Scale, som är ett system för att klassificera drömmar baserat på och i vilken utsträckning de innehåller vissa viktiga aspekter eller komponenter.

"Denna skala fungerar genom att räkna och kategorisera karaktärer som visas i varje dröm", säger datavisualiseringsdesigner Edyta Bogucka, en forskare på projektet. "Är de imaginära varelser eller människor? Och om de är människor, är de bekanta eller anonyma människor?"Därifrån kategoriseras också interaktioner med dessa karaktärer, tillägger hon: I drömmen pratar du, dansar eller argumenterar till exempel till exempel? Det sista steget är att kvalificera dessa interaktioner på en känslomässig dimension, beroende på om de är positiva, negativa, aggressiva eller så vidare. "I huvudsak skär och dissekerar Dreamcatcher -algoritmen från drömrapporterna till enstaka ord, motsvarande dessa karaktärer, interaktioner och känslor, vilket gjorde det möjligt för oss att automatisera drömanalys."

”Algoritmen skär och dissekerar meningar från drömrapporterna till enstaka ord som motsvarar karaktärer, interaktioner och känslor.”-Edya Bogucka, drömforskare

Specifikt prickade algoritmen trender bland demografiska undergrupper av drömmästarna; Till exempel fann det krigsveteraner mer benägna att ha våldsamma drömmar dominerade av män, medan ungdomar som identifierades som kvinnor oftare hade drömmar som återspeglade ångest kring kroppsutseende eller sexualitet. Naturligtvis kan en terapeut som tittar på samma dröminnehåll för en person dra ut liknande teman. Men fördelen med automatisering är förmågan att snabbt dra insikter som ovan en massa som ett sätt att notera vanliga drömelement bland kategorier av människor.

Detta är just den typen som Soik (eller Sikorsky, i showen) syftade till att göra-det vill säga att dra meningsfulla, konkreta slutsatser om hur människor i Stockholm eller San Francisco eller Sydney Dream; om huruvida människor med mer framgång drömmer annorlunda än de med mindre; om kända människors drömmar och valfritt antal andra kategoriska variationer över tid. Medan han hoppades så småningom tjäna pengar på dessa uppgifter, ser forskare det som ett potentiellt användbart verktyg för att öka självmedvetenheten och demokratisera tillgången till den typ av drömanalys som vanligtvis är begränsad till människor som har råd att se en drömterapeut.

Oavsett dess användning borstar dock data från den aktuella iterationen av DreamCatcher -algoritmen bara ytan på det större målet. Från och med nu kan dess insikter bara vara lika granulära som drömrapporterna som den refererar till-som återigen är begränsade till några få uppsättningar av ett par tusen drömmar från dem som har valt att regelbundet bidra till Dreambanken tidigare. Dess process är också fortfarande experimentell, med tanke på att den är baserad på en viss analysskala som kanske inte står för den fulla komplexiteten och nyansen av enskilda drömmar över tid.

Där drömvetenskap fortfarande har utrymme att växa

Utan tvekan är den största begränsningen för att ta en algoritm som den ovan och översätta den till en konsumentvänlig drömapp som Wake den kontinuerliga datainsamlingen som gör det krävs. För att utbilda algoritmen för att dra en slutsats om en "genomsnittlig" typ av dröm för en viss kategori av människor, skulle du behöva tusentals av den typen av person för att skicka in sina drömmar regelbundet över tid. Medan Dreamcatcher -forskningen är ett bevis på konceptet att datorer burk dra hjälpsamma insikter från ett gäng till synes oberoende drömrapporter, det står inte för de logistiska hinder som är inneboende i masdrömsamlingen eller de data-privatproblemen kring potentialen för en databas av den storleken som ska utnyttjas (AKA säljs till Big Tech , till exempel).

Och till och med anta det var Möjligt att få tillräckligt med människor för att frivilligt och regelbundet dela vägar med sina drömdata, det finns fortfarande frågan om konstgjord intelligens kan tolka drömmar helt och effektivt utan det personliga sammanhang som bara är känt för drömaren; Den nuvarande iterationen av DreamCatcher -projektet arbetar kring detta, delvis genom att analysera drömmar från människor med känd Demografiska egenskaper (e.g., En tonårskolestrång eller en framtida brud), men för att effektivt kunna analysera drömmar som skickas in via en app skulle algoritmen behöva liknande demografiska egenskaper från app-inlämnare, också-kanske ännu mer detaljer om vad som händer i dessa människors vakna liv.

"Kontinuitetshypotesen" som accepteras av många drömforskare säger att våra drömmar återspeglar en fortsättning på våra vakna tankar och upplevelser, så utan den intel är det svårt att se hur långt algoritmen verkligen skulle kunna gå mot tolkning av alla inlämnares drömmar. "Genom att ta drömmarna och aktiviteten att göra meningsskapande utanför drömmarens sammanhang och föra den in i denna objektiva ram, förlorar dessa analyser ett viktigt stycke," säger Rekshan.

Men det finns fortfarande hopp om utsikterna till utbredd drömanalys blir verklighet. Rekshan arbetar med den ideella visdomens ålder Metaverse för att bygga en medborgarvetenskapsplattform (en "Wikipedia for Dreams", säger han) där forskare kan samarbeta direkt med vardagliga människor för att analysera drömdata från online-drömforum.

Denna typ av plattform, förväntar han sig, kommer inte bara att ta bort det potentiella maktspelet för ett företag som äger stora mängder drömdata, utan kommer också att tillåta fler människor att bättre förstå sina drömmar i sammanhang, med tiden. Och det är grundläggande för hur Rekshan ser övergripande drömmer: "De kommer alltid att vara flerdimensionella, och vi har aldrig rätt att begränsa 'x' dröm till 'y' tolkning," säger han. ”Men en öppen datakommonister för drömmar kan åtminstone skapa en användbar startplats.”

Oj Hej! Du ser ut som någon som älskar gratis träning, rabatter för banbrytande wellnessvarumärken och exklusivt brunn+bra innehåll. Registrera dig för bra+, Vår online -community av wellness insiders och låser upp dina belöningar direkt.