Kan AI tolke drømmer?

Mens forskere har tatt de første skritt mot kunstig intelligens drømmetydning, er teknologien fortsatt stort sett uprøvd. Det kan ta år før avanserte applikasjoner når forbrukermarkedet. Er det en måte å bruke AI til å tolke drømmer i dag?

Hvorfor trenger du AI for å tolke drømmer?

Det er noen få rådende teorier om hvorfor drømmer skjer. Noen argumenterer det er tilfeldig neuronal aktivitet, andre sier det er for å behandle dagens hendelser, og noen få hevder at det er dine ubevisste behov og ønsker dukker opp. Realistisk sett er det sannsynligvis en kombinasjon av flere ideer. Men ingen kan hjelpe til med å forklare den spesifikke betydningen bak hver av nattesynene dine. 

Drømmer er komplekse, usammenhengende og forvirrende av ukjente årsaker. Du kan finne deg selv i din bestemors stue og snakke med Elvis Presley om hundeastronauter, og alt ville virke normalt – forståelig nok, du vil gjerne forstå ting med AI.

Selv om du kan forstå drømmen din til pålydende, er det generelt akseptert at det eksisterer en dypere mening. Symboler, temaer og hendelser spenner over kulturer og generasjoner, utlån til deres betydning. 

For eksempel kan det å drømme om å miste tennene bety at du har stress, usikkerhet eller usikkerhet i ditt våkne liv. Alternativt kan et mareritt om å falle bety at du ikke føler at du har kontroll over livet ditt eller støttet av dine kjære. Tilsynelatende tilfeldige, meningsløse hendelser kan være betydelige - dette er grunnen til at AI-tolkning er en stor sak. 

Kan du bruke AI til drømmetydning?

Teknisk sett kan du bruke kunstig intelligens til å tolke drømmene dine i dag hvis du får en generativ modell og uttrykker spørsmålet ditt riktig. Imidlertid er nøyaktighet et problem - hvis du ikke kan tyde drømmens betydning, hvordan skal en algoritme gjøre det? Selv om det kan gjette eller produsere tull for å blidgjøre deg, ville du være fornøyd med de generelle svarene?

Selv om du ikke føler deg knyttet til drømmene dine, er de utrolig personlige opplevelser. Hver er en rotete samling av minner, følelser, relasjoner og underbevisste tanker. Selv om du teknisk sett kan bruke en stor språkmodell (LLM) for å dechiffrere dem, vil produksjonen i beste fall bare være delvis nøyaktig.

Når det er sagt, er relativt nøyaktige AI-tolkninger ikke umulige. Noen forskere har allerede avdekket teknologien som trengs for å få det til å fungere - flere studier utført i 2023 viser at det er gjennomførbart. På dette tidspunktet er testing, prototyping og kommersialisering av disse funnene bare et spørsmål om tid, ressurser og finansiering. 

Teknologien bak AI drømmetydning

Treningsdata er grunnleggende for enhver AI-drevet drømmetolkningsteknologi. Hvilken informasjon kan du mate en algoritme for å returnere konsistent, nøyaktig utdata? Teoretisk sett kan du bruke tekstbaserte beskrivelser, statistikk over vanlige temaer eller kunstneres gjengivelser. Imidlertid ville det være et problem å hente nok. 

Noen forskere overvant denne hindringen ved å tilby maskinlæringsmodeller (ML) med dusinvis av timer med hjerneaktivitetsskanninger. Denne tilnærmingen er interessant av flere grunner. For det første er den avhengig av evidensbasert informasjon i stedet for drømmerens kommentar - noe som tilfeldigvis øker datatilgjengeligheten drastisk.

Den identifiserer også de underliggende driverne for rask øyebevegelse (REM) søvn, og retter seg mot språket eller bildebehandlingsområdene i hjernen i stedet for å forsøke å forstå selve drømmen. Som et resultat er AI ikke like påvirket av drømmerens skjevhet - noe som betyr at sjansen for å gi en relativt objektiv, nøyaktig tolkning er høyere. 

Bortsett fra treningsdata, trenger du en generativ modell for å rekonstruere, tolke eller oversette informasjon. Denne teknologiens popularitet øker raskt - markedsstørrelsen vil ha en sammensatt årlig vekstrate på 36.5 % fra 2024 til 2030 — så det ville være enkelt å skaffe en klar løsning. Men å bygge en fra grunnen av ville være lurt.

De fleste AI-drevne drømmetolkningsløsninger trenger til en viss grad naturlig språkbehandling (NLP) og bildegjenkjenningsteknologi. Tross alt er det meste av REM-søvn en kombinasjon av bilder og ord. Utover det kan du bruke alt fra dyplæringsmodeller til nevrale nettverk for å få verktøyet til å fungere. 

Måter du kan bruke AI til å tolke drømmer 

Mens generative modeller kan produsere tekst, bilder, lyd og musikk, finnes det for øyeblikket bare noen få velprøvde metoder for AI-drevet drømmetydning. 

1. Tekst-til-tekst generering 

Den enkleste metoden er tekst-til-tekst generering, der en LLM-, NLP- eller ML-modell analyserer dine innskrevne spørsmål. Du skriver inn det du husker om drømmen din eller følger et beslutningstre-format for å få svar. På den ene siden er det raskt og greit. På den andre siden er det unøyaktig - du glemmer det meste av REM-stadiet når du våkner, så AI arbeider ut fra en fragmentert fortelling. 

2. Generering av EEG-til-tekst

En LLM og et elektroencefalogram (EEG) som registrerer hjernens elektriske signaler kan gjøre tanker om til ord. Du må lese mens du har på deg en myk hette fylt med sensorer for at dette skal fungere. Modellen konverterer denne aktiviteten til tekst.

Hjernen din sender et spesifikt signal når du tenker på et ord eller en setning. En algoritme kan finne mønstre i denne aktiviteten, noe som gjør oversettelse mulig. Du kan bruke denne EEG-til-tekst-genereringsmodellen til å utvikle en transkripsjon av REM-søvnen din. 

Fagfellevurdert forskning beviste denne modellen kan oppnå 60 % nøyaktighet, som er imponerende for et proof of concept. Den myke hetten er bærbar og relativt billig å produsere, noe som gjør den til en av få oppfinnelser som kan se massemarkedsapplikasjoner.

3. fMRI-til-bilde generering

En forskergruppe oppdaget en dyp læringsmodell som kan analysere funksjonell magnetisk resonansavbildning (fMRI) - bilder av hjernens blodstrøm - for nøyaktig å gjenskape bilder folk ser. Den trent på 10,000 XNUMX bilder å tolke hva folk så på. 

Mens deltakerne i studien stirret på et bilde, registrerte deres tinninglapp innholdet, og deres occipitallapp katalogiserte omfanget og layouten. AI sporet denne aktiviteten for å rekonstruere det de så. Mens rekreasjonene startet som støy, ble de sakte gjenkjennelige.

4. fMRI-til-tekstgenerering

Forskere brukte fMRI-skanninger og en LLM i et kodings- og dekodingssystem for å rekonstruere hjerneaktivitet i et tekstbasert format. Den ledende nevroforskeren på prosjektet sa at teamet var sjokkert det fungerte så bra som det gjorde. 

Mens folk leste tekst eller så på lydløse videoer, beskrev AI-en innholdet – og forsto vanligvis hovedpoenget. For eksempel leste én person: «Jeg visste ikke om jeg skulle skrike, gråte eller løpe vekk. I stedet sa jeg la meg være i fred, jeg trenger ikke din hjelp.» Modellen uttalte: «Hun begynte å skrike og gråte, og så sa hun bare at jeg sa at du skulle la meg være i fred, du kan ikke skade meg lenger.»

Interessant nok, når forskerne skreddersydde verktøyet for en av studiens deltakere, kunne det bare rekonstruere uforståelig tull når det ble brukt på en annen. Det kan være potensial for personlig tilpassede algoritmebaserte drømmetolkere. 

Hvorfor du bør være på vakt mot en AI-tolk 

Selv om bruk av algoritmer for drømmetydning høres lovende ut, er det noen ulemper å være klar over. Det viktigste er hallusinasjoner. I følge en undersøkelse, 89 % av maskinlæringsingeniørene arbeider med generativ AI sier at modellene deres utgjør ting – og 93 % ser det skje daglig eller ukentlig.

Inntil AI-ingeniører løser hallusinasjonsproblemet, er denne teknologiens anvendelse i REM-søvn et grått område. Selv om det er ufarlig å bruke det for moro skyld, kan noen mennesker - de som vanligvis går til terapeuter eller psykologer for å få drømmetydninger - få et resultat som skader deres mentale helse eller setter behandlingsfremgangen deres tilbake.

Det kan ubevisst påvirke deg selv om du er skeptisk eller likegyldig til en algoritmes utgang. For eksempel kan du bli fjern fra partneren din etter at modellen forteller deg at juksedrømmen din betyr et mislykket forhold. 

Å være i den andre enden av spekteret kan være like skadelig. Å fullt ut tro på AI-resultatet – til tross for potensielle skjevheter eller hallusinasjoner – kan påvirke deg negativt. Denne overbevisstheten kan få deg til å feiltolke følelsene dine, interaksjoner med andre eller tidligere traumer, noe som kan føre til uønskede situasjoner i ditt våkne liv. 

Det er også spørsmålet om klistremerkeprisen. Tekst-til-tekst generering er den mest tilgjengelige og rimelige, men er unøyaktig. Hvis du vil ha noe bedre, forbered deg på å betale. Med tanke på at en enkelt MR-skanning kan koste opptil 4,000 dollar — og én maskin kan være en investering på flere millioner dollar — nøyaktige AI-drømmetolkere er sannsynligvis år unna.

Hva vil fremtiden bringe for denne teknologien?

Å ha en personlig AI drømmetolk kan være spennende og nyttig. Selv om denne teknologien ikke kommer inn på forbrukermarkedet snart, vil den sannsynligvis finne en plass i terapi, psykologi og medisinsk praksis. En dag kan du bruke den til å jobbe gjennom tidligere traumer, identifisere søvnproblemer eller avdekke skjulte følelser.