Kan AI fortolke drømme?

Mens forskere har taget de første skridt mod kunstig intelligens til drømmefortolkning, er teknologien stadig langt fra beviset. Det kan tage år, før avancerede anvendelser når forbrugermarkedet. Er der en måde at bruge AI til at fortolke drømme i dag?

Hvorfor har du brug for AI til at fortolke drømme?

Der er flere herskende teorier om, hvorfor drømme sker. Nogle mener det er tilfældig neuralt aktivitet, andre siger, det er for at bearbejde dagens begivenheder, og nogle hævder, det er dine ubevidste behov og ønsker, der kommer til overfladen. Realistisk set er det sandsynligvis en kombination af flere ideer. Men ingen kan hjælpe med at forklare den specifikke betydning bag hver af dine natlige visioner.

Drømme er komplekse, uforståelige og forbløffende af ukendte årsager. Du kunne finde dig selv i din bedstemors stue og tale med Elvis Presley om hunde-astronauter, og alt ville se normalt ud – forståeligt, at du ville ønske at give mening til tingene med AI.

Selv hvis du kan forstå din drøm på overfladen, er det generelt accepteret, at en dybere betydning eksisterer. Symboler, temaer og begivenheder omfatter kulturer og generationer, hvilket bidrager til deres betydning.

For eksempel kunne drømmen om at tabe tænderne betyde, at du har med stress, usikkerhed eller usikkerhed at gøre i dit vågne liv. Alternativt kunne en mareridt om at falde betyde, at du ikke føler dig i kontrol over dit liv eller føler dig støttet af dine nærmeste. Til synes tilfældige, meningsløse begivenheder kan være betydningsfulde – det er derfor, AI-fortolkning er en stor sag.

Kan du bruge AI til drømmefortolkning?

Teknisk set kunne du bruge AI til at fortolke dine drømme i dag, hvis du får en generativ model og formulerer din prompt korrekt. Men nøjagtighed er et problem – hvis du ikke kan afkode din drøms betydning, hvordan skal en algoritme så gøre det? Selv hvis det gætter eller producerer nonsens for at tilfredsstille dig, ville du så være tilfreds med dens generiske svar?

Selv hvis du ikke føler dig forbundet til dine drømme, er de utrolig personlige oplevelser. Hver er en sammenblandet samling af dine minder, følelser, relationer og ubevidste tanker. Selv hvis du kan bruge en stor sprogmodel (LLM) til at afkode dem, ville dens output kun være delvist nøjagtig på bedste.

Det sagde, relativt nøjagtige AI-fortolkninger er ikke umulige. Nogle forskere har allerede opdaget den teknologi, der er nødvendig for at gøre det virke – flere studier udført i 2023 viser, at det er gennemførligt. På dette punkt er test, prototyper og kommercielle anvendelser af disse opdagelser kun et spørgsmål om tid, ressourcer og finansiering.

Den teknologi, der ligger bag AI-drømmefortolkning

Træningsdata er fundamentalt for enhver AI-drevet drømmefortolkningsteknologi. Hvad information kan du give en algoritme for at returnere konsistent, nøjagtig output? Teoretisk set kunne du bruge tekstbaserede beskrivelser, statistik over almindeligt drømte temaer eller kunstneriske gengivelser. Men at finde nok ville være et problem.

Nogle forskere overvandt dette problem ved at give maskinlæringsmodeller (ML) med dusinvis af timer af hjernens elektriske aktivitets-scans. Denne tilgang er interessant af flere årsager. For det første afhænger den af evidensbaseret information i stedet for drømmers kommentar – hvilket, tilfældigt, øger data tilgængelighed drastisk.

Det identificerer også de underliggende drivkræfter for hurtig øjenbevægelse (REM) søvn, hvilket målretter sprog- eller billedbehandlingsområderne i hjernen i stedet for at forsøge at give mening til drømmen selv. Som resultat er AI ikke så påvirket af drømmers bias – hvilket betyder, at dens chance for at producere en relativt objektiv, nøjagtig fortolkning er højere.

Ud over træningsdata har du brug for en generativ model til at genskabe, fortolke eller oversætte information. Denne teknologis popularitet er stigende hurtigt – dens markedsstørrelse vil have en samlet årlig vækstrate på 36,5% fra 2024 til 2030 – så at finde en færdig løsning ville være let. Men at bygge en fra bunden ville være klogt.

De fleste AI-drevne drømmefortolkningssystemer har brug for naturlig sprogbehandling (NLP) og billedgenkendelsesteknologi til en vis grad. Efter alt er de fleste REM-søvn en kombination af billeder og ord. Ud over det kunne du bruge alt fra dyb læring til neurale netværk til at gøre din værktøj arbejde.

Måder, du kan bruge AI til at fortolke drømme

Selv om generative modeller kan producere tekst, billeder, lyd og musik, findes der kun få bevisede metoder for AI-dreven drømmefortolkning.

1. Tekst-til-tekst-generering

Den enkleste metode er tekst-til-tekst-generering, hvor en LLM, NLP eller ML-model analyserer dine indtastede prompts. Du indtaster, hvad du husker om din drøm, eller følger en beslutningstræ-format for at få svar. På den ene side er det hurtigt og direkte. På den anden side er det upræcist – du glemmer det meste af REM-stadiet, når du vågner, så AI arbejder ud fra en fragmenteret fortælling.

2. EEG-til-tekst-generering

En LLM og en elektroencefalogram (EEG), der optager hjernens elektriske signaler, kan omdanne tanker til ord. Du skal læse, mens du bærer en blød hat fyldt med sensorer, for at dette skal virke. Modellen omdanner denne aktivitet til tekst.

Din hjerne sender et specifikt signal, når du tænker på et ord eller en frase. En algoritme kan finde mønstre i denne aktivitet, hvilket gør oversættelse mulig. Du kunne bruge denne EEG-til-tekst-genereringsmodel til at udvikle en transskription af din REM-søvn.

Peer-reviewed forskning har bevist, at denne model kan opnå 60% nøjagtighed, hvilket er imponerende for et bevis på konceptet. Den bløde hat er bærbar og relativt billig at producere, hvilket gør det til en af de få opfindelser, der måske ser massemarkedets anvendelser.

3. fMRI-til-billede-generering

En forskergruppe opdagede en dyb læring-model, der kan analysere funktionel magnetresonans-billeddannelser (fMRI) – billeder af hjernens blodgennemstrømning – for at genskabe billeder, som mennesker ser. Den trænede på 10.000 billeder for at fortolke, hvad mennesker så.

Da studiets deltagere stirrede på et billede, registrerede deres temporallæbe indholdet, og deres occipitallæbe katalogiserede skalaen og layoutet. AI sporede denne aktivitet for at genskabe, hvad de så. Selv om dens genskabelser startede som støj, blev de langsomt genkendelige.

4. fMRI-til-tekst-generering

Forskere brugte fMRI-scans og en LLM i et kodnings- og dekodningssystem til at genskabe hjernens aktivitet i en tekstbaseret format. Den førende neurovidenskabsmand på projektet sagde, at holdet var chokeret over, hvor godt det virkede.

Da mennesker læste tekst eller så stumme videoer, beskrev AI-indholdet – og fik ofte essensen. For eksempel læste en person: “Jeg vidste ikke, om jeg skulle skrige, græde eller løbe væk. I stedet sagde jeg, lad mig være alene, jeg har ikke brug for din hjælp.” Modellen producerede: “Begyndte at skrige og græde og sagde så, jeg sagde til dig, at lad mig være alene, du kan ikke gøre mig mere ondt.”

Interessant nok kunne værktøjet, da forskerne tilpassede det til en af studiets deltagere, kun genskabe uforståelige nonsens, når det blev brugt på en anden. Der kan være potentiale for personlige algoritme-baserede drømmefortolkere.

Hvorfor du skal være forsigtig med en AI-fortolker

Selv om brug af algoritmer til drømmefortolkning lyder lovende, er der nogle ulemper at være opmærksom på. Den mest betydningsfulde er hallucination. Ifølge en undersøgelse siger 89% af maskinlæringsingeniører, der arbejder med generativ AI, at deres modeller finder på noget – og 93% ser det ske dagligt eller ugentligt.

Indtil AI-ingeniører har løst hallucinationsproblemet, er denne teknologis anvendelse i REM-søvn et gråt område. Selv om brug af det til sjov er harmløst, kan nogle mennesker – dem, der normalt ville gå til terapeuter eller psykologer til drømmefortolkning – få en output, der skader deres mentale sundhed eller sætter deres behandlingsfremskridt tilbage.

Det kan ubevidst påvirke dig, selv hvis du er skeptisk eller ligeglad med en algoritmes output. For eksempel kan du blive fjern fra din partner efter, at modellen fortæller dig, at din drøm om utroskab betyder, at din forhold er i fare.

At være på den anden side af spektret kan være lige så skadeligt. At have fuld tillid til AI’s output – på trods af potentiel bias eller hallucinationer – kunne have en negativ indvirkning på dig. Denne overtiltro kan få dig til at misfortolke dine følelser, interaktioner med andre eller tidligere trauma, hvilket kan føre til uønskede situationer i dit vågne liv.

Der er også problemet med prislappen. Tekst-til-tekst-generering er den mest tilgængelige og billigste, men er upræcis. Hvis du vil have noget bedre, skal du forberede dig på at betale. Da en enkelt MRI-scan kan koste op til 4.000 dollars – og en enkelt maskine kan være en multimillion-dollar investering – er nøjagtige AI-drømmefortolkere sandsynligvis år væk.

Hvad fremtiden holder for denne teknologi

At have en personlig AI-drømmefortolker kunne være spændende og nyttigt. Selv hvis denne teknologi ikke kommer på forbrugermarkedet snart, vil den sandsynligvis finde en plads i terapi, psykologi og medicinske praksisser. En dag kan du bruge det til at arbejde igennem tidligere trauma, identificere søvnproblemer eller afsløre skjulte følelser.