Kan AI fortolke drømme?

Forskere har taget de første skridt mod kunstig intelligens-drømmefortolkning, men teknologien er 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 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 mening bag hver af dine natlige visioner.

Drømme er komplekse, uforståelige og forvirrende af ukendte årsager. Du kunne finde dig selv i din bedstemors stue talende med Elvis Presley om hund-astronauter, og alt ville synes normal – forståeligt, 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 mening eksisterer. Symboler, temaer og begivenheder strækker sig over kulturer og generationer, hvilket giver dem deres betydning.

For eksempel kunne drømme om at tabe tænder betyde, du har med stress, usikkerhed eller usikkerhed at gøre i dit vågne liv. Alternativt kunne en mareridt om at falde betyde, du ikke føler dig i kontrol over dit liv eller støttet af dine nærmeste. Til synes tilfældige, meningsløse begivenheder kan være vigtige – 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 tyde din drøms mening, hvordan skal en algoritme så gøre det? Selv hvis det kan gætte eller producere nonsens for at tilfredsstille dig, ville du så være tilfreds med dens generiske svar?

Selv hvis du ikke føler dig tilknyttet dine drømme, er de utrolig personlige oplevelser. Hver er en samling af dine minder, følelser, relationer og ubevidste tanker. Selv hvis du kan bruge en stor sprogmodel (LLM) til at tyde 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 muligt – flere studier udført i 2023 viser, at det er gennemførligt. På dette tidspunkt er test, prototyper og kommercielle versioner af disse opdagelser kun et spørgsmål om tid, ressourcer og finansiering.

Den teknologi bag AI-drømmefortolkning

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

Nogle forskere overvandt dette problem ved at give maskinlæringsmodeller (ML) med dusinvis af timer af hjernens aktivitetsscanning. Denne tilgang er interessant af flere årsager. For det første afhænger den af evidensbaseret information i stedet for drømmerens kommentar – hvilket samtidig øger datatilgængeligheden dramatisk.

Det identificerer også de underliggende drivkræfter for hurtig øjenbevægelse (REM) søvn, hvilket retter sig mod sprog- eller billedbehandlingsområderne i hjernen i stedet for at forsøge at give mening til drømmen selv. Som resultat er AI ikke så påvirket af drømmerens 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 – markedets størrelse vil have en sammensat 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 dybe læringsmodeller 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 i øjeblikket.

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 de fleste af REM-fasen, når du vågner, så AI-arbejder med 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 hue fyldt med sensorer, for at dette skal fungere. 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 beviste, at denne model kan opnå 60% nøjagtighed, hvilket er imponerende for et bevis på konceptet. Den bløde hue er bærbar og relativt billig at producere, hvilket gør den til en af de få opfindelser, der kan se massemarkedsmæssige anvendelser.

3. fMRI-til-billede-generering

En forskergruppe opdagede en dyb læringsmodel, der kan analysere funktionelle magnetresonansbilleder (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 dets skala og layout. 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-scanner og en LLM i et kodnings- og dekodningssystem til at genskabe hjernens aktivitet i en tekstbaseret format. Den ledende neurovidenskabsmand på projektet sagde, at holdet var chokeret over, hvor godt det fungerede.

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 forlad mig, jeg har ikke brug for din hjælp.” Modellen producerede: “Startede at skrige og græde og så sagde hun bare, jeg sagde til dig at forlade mig, du kan ikke gøre mig noget mere.”

Interessant nok kunne værktøjet, da forskerne tilpassede det til en af studiets deltagere, kun genskabe uforståelig gibberish, 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 brugen af algoritmer til drømmefortolkning lyder lovende, er der nogle ulemper at være opmærksom på. Den mest betydelige er hallucination. Ifølge en undersøgelse siger 89% af maskinlæringsingeniører, der arbejder med generativ AI, at deres modeller finder på ting – og 93% ser det ske dagligt eller ugentligt.

Indtil AI-ingeniører har løst hallucinationsproblemet, er denne teknologis anvendelse i REM-søvn en grå zone. Selv om brugen af det til sjov er harmløs, 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 påvirke dig underbevidst, selv hvis du er skeptisk eller ligeglad med en algoritmes output. For eksempel kunne du blive fjern fra din partner efter, at modellen fortæller dig, at din drøm om at bedrage betyder, at din forhold er i fare.

At være på den anden side af spektret kan være lige så skadeligt. At være fuldstændig overbevist om AI’ens output – på trods af potentiel bias eller hallucinationer – kunne have en negativ indvirkning på dig. Denne overtiltro kunne få dig til at misfortolke dine følelser, interaktioner med andre eller tidligere trauma, hvilket kunne 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 være parat til at betale. Da en enkelt MRI-scan kan koste op til 4.000 dollar – og en enkelt maskine kan være en multimillion-investering – er nøjagtige AI-drømmefortolkere sandsynligvis år væk.

Hvad har fremtiden i vente for denne teknologi?

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