Appen 'Wake' i 'Inventing Anna' er ikke Real-men Dream Scientists * er * indsamling og analyse af drømmedata

Hvordan drømmeforskere i øjeblikket nærmer sig Dream-Data-samling og analyse

Hovedelementet i Inventing Anna'S Wake, der faktisk sporer med mange aktuelle drømmeanalyseundersøgelser, er dens foreslåede indsamlingsmåde. I de fleste tilfælde er drømmeforskere i dag faktisk afhængige af skriftlige rapporter om drømmeindhold, som folk har forelagt online fora eller tilbudt forskere i studier. Den mest omfattende database er Dreambank, et webarkiv med mere end 24.000 drømmeapporter,. (Fordi disse drømmerrapporter igen er subjektive for de mennesker, der rapporterer dem og deres minder-en større begrænsning af enhver storstilet drømmeanalyse, nogle forskere også undersøger måder at udtrække visuelle drømmedata gennem fMRI-hjernescanninger, skønt denne forskning er Stadig super foreløbig.)

Ved hjælp af disse databaser med skriftlige drømmeudskrifter har forskere anvendt indholdsanalyseteknikker til at forstå temaer og tendenser. Den største undersøgelse af denne art til dato kommer fra gruppen Social Dynamics på Cambridge University's Nokia Bell Labs, der skabte en kunstig intelligensalgoritme kaldet “Dreamcatcher” for at undersøge data fra Dreambank, der er bemærket ovenfor. Specifikt trænede de algoritmen til at analysere drømmene ved hjælp af Hall/Van de Castle -skalaen, som er et system til klassificering af drømme baseret på, om og i hvilket omfang de indeholder visse nøgleaspekter eller komponenter.

"Denne skala fungerer ved at tælle og kategorisere karakterer, der vises i hver drøm," siger datavisualiseringsdesigner Edyta Bogucka, en forsker på projektet. "Er de imaginære væsener eller mennesker? Og hvis de er mennesker, er de bekendte eller anonyme mennesker?"Derfra er interaktion med disse figurer også kategoriseret, hun tilføjer: I drømmen taler du, danser eller argumenterer for eksempel? Det sidste trin er at kvalificere disse interaktioner på en følelsesladet dimension, afhængigt af om de er positive, negative, aggressive, eller deromkring. "I det væsentlige skærer Dreamcatcher -algoritmen og dissekerer sætninger fra drømmen rapporterer til enkeltord, svarende til disse figurer, interaktioner og følelser, som gjorde det muligt for os i det væsentlige automatiseret drømmeanalyse."

”Algoritmen klipper og dissekerer sætninger fra drømmen rapporterer til enkeltord, der svarer til karakterer, interaktioner og følelser.”-Edyta Bogucka, drømmeforsker

Specifikt opdagede algoritmen tendenser blandt demografiske undergrupper af drømme-rapportererne; F.eks. Naturligvis kan en terapeut, der ser på det samme drømmeindhold for en person, trække lignende temaer ud. Men fordelen ved automatisering er evnen til hurtigt at trække indsigt som ovenstående masse.

Dette er netop den slags ting, som Soik (eller Sikorsky, i showet) havde til formål at gøre-det vil sige at drage meningsfulde, konkrete konklusioner om, hvordan folk i Stockholm eller San Francisco eller Sydney drømmer; Om mennesker med mere succes drømmer forskelligt fra dem med mindre; om berømte menneskers drømme og ethvert antal andre kategoriske variationer over tid. Mens han håbede på til sidst at tjene penge på disse data, ser forskere dem som et potentielt nyttigt værktøj til at hæve selvbevidsthed og demokratisere adgangen til den slags drømmeanalyse, der typisk er begrænset til folk, der har råd til at se en drømmetapeut.

Uanset dens brug, men dataene fra den aktuelle iteration af Dreamcatcher -algoritmen børster bare overfladen af ​​det større mål. I øjeblikket kan dens indsigt kun være så granulær, som drømmen rapporterer, at den refererer til, hvilket igen er begrænset til et par sæt af et par tusinde drømme fra dem, der har valgt regelmæssigt at bidrage til Dreambank i fortiden. Dens proces er også stadig eksperimentel, i betragtning af at den er baseret på en bestemt analyseskala, der muligvis ikke tager højde for den fulde kompleksitet og nuance af individuelle drømme over tid.

Hvor drømmevidenskab stadig har plads til at vokse

Uden tvivl er den største begrænsning for at tage en algoritme som den ovenfor og oversætte den til en forbrugervendt drømme-app som Wake. For at træne algoritmen til at drage en konklusion om en "gennemsnitlig" type drøm for en given kategori af mennesker, har du brug for tusinder af den type person til at indsende deres drømme regelmæssigt over tid. Mens Dreamcatcher -forskningen er et bevis på konceptet om, at computere kan Træk nyttige indsigter fra en masse tilsyneladende ikke-relaterede drømmerrapporter, det tegner sig ikke for de logistiske forhindringer, der er forbundet med massedømmollektion eller databryggelighedens bekymringer omkring potentialet for en database i den størrelse, der skal udnyttes (AKA solgt til Big Tech , for eksempel).

Og endda antager det var Muligt at få nok folk til at villigt og regelmæssigt dele måder med deres drømmedata, der er stadig spørgsmålet om, hvorvidt kunstig intelligens kan fortolke drømme fuldstændigt og effektivt uden den personlige kontekst, der kun er kendt for drømmeren; Den nuværende iteration af Dreamcatcher -projektet fungerer delvist ved at analysere drømme fra mennesker med Kendt demografiske egenskaber (E.g., En ungdoms skolepige eller en fremtidig brud), men for effektivt at analysere drømme, der indsendes via en app, ville algoritmen have brug for lignende demografiske egenskaber fra app-indsendere, også-og måske endnu flere detaljer om, hvad der foregår i disse folks vågne liv.

Den "kontinuitetshypotese", der er accepteret af mange drømmeforskere, siger, at vores drømme afspejler en fortsættelse af vores vågne tanker og oplevelser, så uden det er det svært at se, hvor langt algoritmen virkelig kunne gå til at fortolke nogen indsenders drømme. ”Ved at tage drømme og aktivitet i meningsskabelse uden for drømmerens kontekst og bringe den ind i denne målramme mister disse analyser et vigtigt stykke,” siger Rekshan.

Men der er stadig håb om, at udsigten til udbredt drømmeanalyse bliver en realitet. REKSHAN arbejder med nonprofit-visdomsalderen Metaverse for at opbygge en borger-videnskabsplatform (et "Wikipedia for Dreams," siger han), hvor forskere kan samarbejde direkte med hverdagens mennesker for at analysere drømmedata fra online drømmefora.

Denne form for platform, forventer han, vil ikke kun fjerne det potentielle magtspil for et enkelt firma, der ejer store mængder drømmedata, men vil også give flere mennesker mulighed for bedre at forstå deres drømme i sammenhæng over tid. Og det er grundlæggende for, hvordan Rekshan ser generelt drømme: "De vil altid være multidimensionelle, og vi har aldrig ret til at begrænse 'x' drøm til 'y' fortolkning," siger han. ”Men en åben datalag for drømme kunne i det mindste skabe et nyttigt startsted."

Åh hej! Du ligner nogen, der elsker gratis træning, rabatter til banebrydende wellness-mærker og eksklusivt godt+godt indhold. Tilmeld dig godt+, Vores online community of wellness insidere og låse dine belønninger op med det samme.