De 'wake'-app in' uitvinden van Anna 'is geen echte, maar droomwetenschappers * zijn * verzamelen en analyseren van droomgegevens

Hoe droomwetenschappers momenteel de verzameling en analyse van de droomdata naderen

Het belangrijkste element van Anna uitvinden's wake die daadwerkelijk volgt met veel huidige droomanalysestudies is de voorgestelde manier van verzamelen. In de meeste gevallen vertrouwen droomonderzoekers tegenwoordig in feite op schriftelijke rapporten van droominhoud die mensen hebben ingediend bij online forums of aan onderzoekers in studies aangeboden. De meest uitgebreide database is DreamBank, een webarchief van meer dan 24.000 droomrapporten uit zowel studies als persoonlijke dagboeken die in 1999 werden samengesteld, met dromen die tientallen jaren daarvoor verspreiden. ) Nog steeds super voorlopig.))

Met behulp van deze databases van schriftelijke droomtranscripties hebben wetenschappers inhoud-analysetechnieken gebruikt om thema's en trends te begrijpen. De grootste studie van dit soort tot nu toe komt van de Social Dynamics Group in de Nokia Bell Labs van Cambridge University, die een kunstmatig-intelligentie-algoritme heeft gecreëerd genaamd "DreamCatcher" om gegevens te onderzoeken van de hierboven genoemde DreamBank. In het bijzonder hebben ze het algoritme getraind om de dromen te ontleden met behulp van de schaal van de Hall/Van de Castle, een systeem voor het classificeren van dromen op basis van of en in hoeverre ze bepaalde belangrijke aspecten of componenten bevatten.

"Deze schaal werkt door personages te tellen en te categoriseren die in elke droom verschijnen", zegt data-visualisatieontwerper Edyta Bogucka, een onderzoeker in het project. "Zijn het denkbeeldige wezens of mensen? En als het mensen zijn, zijn het kennissen of anonieme mensen?"Van daaruit zijn interacties met die personages ook gecategoriseerd, voegt ze eraan toe: in de droom, praat je, dansen of ruzie maken, bijvoorbeeld? De laatste stap is het kwalificeren van die interacties op een emotionele dimensie, afhankelijk van of ze positief, negatief, agressief zijn, of zo. "In wezen snijdt het Dreamcatcher -algoritme zinnen uit de droomrapporten in enkele woorden, overeenkomend met deze personages, interacties en emoties, waardoor we in wezen droomanalyse kunnen automatiseren."

“Het algoritme snijdt en ontleed zinnen uit de droomrapporten in afzonderlijke woorden die overeenkomen met tekens, interacties en emoties.”-Edyta Bogucka, droomonderzoeker

In het bijzonder zag het algoritme trends tussen demografische subsets van de droomherstel; Het vond bijvoorbeeld oorlogsveteranen die vaker gewelddadige dromen hebben gedomineerd door mannen, terwijl adolescenten die zich identificeerden als vrouwen vaker dromen hadden die angst weerspiegelden rond lichaamsuitstraling of seksualiteit. Natuurlijk kan een therapeut die naar dezelfde droominhoud kijkt voor één persoon, vergelijkbare thema's tekenen. Maar het voordeel voor automatisering is de mogelijkheid om snel inzichten te trekken zoals het hierboven, massaal als een middel om gemeenschappelijke droomelementen tussen categorieën mensen op te merken.

Dit is precies het soort dingen dat Soik (of Sikorsky, in de show) wil doen, dat wil zeggen, om zinvolle, concrete conclusies te trekken over hoe mensen in Stockholm of San Francisco of Sydney Dream; over of mensen met meer succes anders dromen dan degenen met minder; over de dromen van beroemde mensen, en een aantal andere categorische variaties in de tijd. Terwijl hij hoopte uiteindelijk te geld te verdienen met die gegevens, zien onderzoekers het als een potentieel nuttig hulpmiddel voor het verhogen van zelfbewustzijn en het democratiseren van toegang tot het soort droomanalyse dat meestal beperkt is tot mensen die het zich kunnen veroorloven om een ​​droomtherapeut te zien.

Ongeacht het gebruik ervan, echter, de gegevens uit de huidige iteratie van het Dreamcatcher -algoritme borstelt gewoon het oppervlak van dat grotere doel. Vanaf nu kunnen de inzichten alleen zo gedetailleerd zijn als de droomrapporten die het verwijzen, wat opnieuw beperkt is tot een paar sets van een paar duizend dromen van degenen die ervoor hebben gekozen om regelmatig bij te dragen aan de DreamBank in het verleden. Het proces is ook nog steeds experimenteel, aangezien het is gebaseerd op een bepaalde analyseschaal die mogelijk niet de volledige complexiteit en nuance van individuele dromen in de loop van de tijd verklaart.

Waar Dream Science nog steeds ruimte heeft om te groeien

Ongetwijfeld zou de grootste beperking van het nemen van een algoritme zoals het hierboven. Om het algoritme te trainen om een ​​conclusie te trekken over een "gemiddeld" type droom voor een bepaalde categorie mensen, zou je duizenden van dat soort persoon nodig hebben om hun dromen regelmatig in te dienen in de loop van de tijd. Terwijl het Dreamcatcher -onderzoek een proof of concept is dat computers kan Haal nuttige inzichten uit een aantal schijnbaar niet-gerelateerde droomrapporten, het houdt geen rekening met de logistieke hindernissen die inherent zijn aan Mass Dream Collection of de zorgen voor gegevensprivacy rond het potentieel voor een database van die grootte om te worden uitgebuit (aka verkocht aan Big Tech , Bijvoorbeeld).

En zelfs aannemen waren Mogelijk om voldoende mensen te krijgen om gewillig en regelmatig uit te scheiden met hun droomgegevens, is er nog steeds de vraag of kunstmatige intelligentie dromen geheel en effectief kan interpreteren zonder de persoonlijke context die alleen bekend is bij de dromer; De huidige iteratie van het Dreamcatcher -project werkt hiermee om, door dromen te ontleden van mensen met mensen met bekend Demografische kwaliteiten (E.G., Een adolescente schoolmeisje of een toekomstige bruid), maar om dromen effectief te analyseren die via een app zijn ingediend, zou het algoritme vergelijkbare demografische kenmerken nodig hebben van app-indieners, en misschien nog meer details over wat er gaande is in het wakkere leven van deze mensen.

De "continuïteitshypothese" die door veel droomwetenschappers wordt geaccepteerd, stelt dat onze dromen een voortzetting van onze wakkere gedachten en ervaringen weerspiegelen, dus zonder die intel is het moeilijk om te zien hoe ver het algoritme echt zou kunnen gaan naar de dromen van elke indiener. "Door de dromen en de activiteit van betekenis te nemen buiten de context van de dromer en het in dit objectieve kader te brengen, verliezen deze analyses een belangrijk stuk".

Maar er is nog steeds hoop op het vooruitzicht dat wijdverspreide droomanalyse een realiteit wordt. Rekshan werkt samen met de non-profit Wisdom Age Metaverse om een ​​burgerwetenschappelijk platform te bouwen (een "Wikipedia for Dreams", zegt hij) waar wetenschappers rechtstreeks met gewone mensen kunnen samenwerken om droomgegevens te analyseren van online droomforums.

Dit soort platform, verwacht hij, zal niet alleen het potentiële power -play van een bedrijf dat grote hoeveelheden droomgegevens bezit, verwijderen, maar zal ook meer mensen in staat stellen hun dromen beter te begrijpen in context, in de loop van de tijd. En dat is fundamenteel voor hoe Rekshan dromen in het algemeen ziet: "Ze zullen altijd multidimensionaal zijn, en we zijn nooit gelijk om 'x' droom te beperken tot 'y' interpretatie," zegt hij. “Maar een open datalommons voor dromen kan op zijn minst een nuttige startplaats creëren.”

Oh Hallo! Je ziet eruit als iemand die van gratis trainingen houdt, kortingen voor geavanceerde wellnessmerken, en exclusieve goed+goede inhoud. Meld u aan voor goed+, Onze online gemeenschap van wellness -insiders, en ontgrendel uw beloningen onmiddellijk.