Kan AI tolke drømmer?

Forskere har tatt de første skrittene mot kunstig intelligens-drømmetolkning, men teknologien er fortsatt stort sett uprovethet. Det kan ta år før høykvalitetsapplikasjoner når forbrukermarkedet. Er det en måte å bruke AI til å tolke drømmer i dag?

Hvorfor trenger du AI for å tolke drømmer?

Det finnes flere teorier om hvorfor drømmer skjer. Noen mener det er tilfeldig nevronaktivitet, andre sier det er for å prosessere dagens hendelser og noen hevder det er dine underbevisste behov og ønsker som kommer til overflaten. Realistisk sett er det sannsynligvis en kombinasjon av flere ideer. Men ingen kan hjelpe med å forklare den spesifikke betydningen bak hver av dine nattlige visjoner.

Drømmer er komplekse, uforståelige og forvirrende av ukjente årsaker. Du kunne finne deg i bestemors stue og snakke med Elvis Presley om hund-astronauter, og alt ville se normalt ut — forståeligvis ville du ønske å gjøre mening av tingene med AI.

Selv om du kan forstå drømmen din på overflaten, er det generelt akseptert at en dypere betydning eksisterer. Symboler, temaer og hendelser omfatter kulturer og generasjoner, hvilket bidrar til deres betydning.

For eksempel, å drømme om å miste tennene dine kunne bety at du har å gjøre med stress, usikkerhet eller usikkerhet i våken tilværelse. Alternativt, en mareritt om å falle kunne bety at du ikke føler deg kontrollert i livet ditt eller støttet av dine kjære. Synligvis tilfeldige, meningsløse hendelser kan være viktige — dette er hvorfor AI-tolkning er en stor sak.

Kan du bruke AI for drømmetolkning?

Teknisk sett kunne du bruke AI til å tolke dine drømmer i dag hvis du får en generativ modell og formulerer spørsmålet riktig. Men nøyaktighet er et problem — hvis du ikke kan tyde drømmens mening, hvordan skal en algoritme kunne det? Selv om den kan gjette eller produsere nonsens for å tilfredsstille deg, ville du være tilfreds med dens generiske svar?

Selv om du ikke føler deg tilknyttet dine drømmer, er de ekstremt personlige erfaringer. Hver er en sammenblandet samling av dine minner, følelser, relasjoner og underbevisste tanker. Selv om du teknisk sett kan bruke en stor språkmodell (LLM) til å tyde dem, ville utdataene bare være delvis nøyaktige på beste.

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

Teknologien bak AI-drømmetolkning

Treningsdata er fundamentalt for enhver AI-drevet drømmetolkningsteknologi. Hva slags informasjon kan du mata en algoritme for å returnere konsistente, nøyaktige utdata? Teoretisk sett kunne du bruke tekstbaserte beskrivelser, statistikk på vanlig drømte temaer eller kunstneriske gjengivelser. Men å finne nok data ville være et problem.

Noen forskere overvant dette hindret ved å gi maskinlæringsmodeller (ML) med titalls timer med hjerneaktivitetsskanninger. Dette tilgangsmåtet er interessant av flere årsaker. For det første baserer det seg på evidensbasert informasjon i stedet for drømmers kommentarer — som, tilfeldigvis, øker data tilgjengeligheten dramatisk.

Det identifiserer også de underliggende drivkreftene til rask øyebevegelse (REM) søvn, målretter språk- eller bildebehandlingsområdene i hjernen i stedet for å prøve å gjøre mening av drømmen selv. Som resultat er AI mindre påvirket av drømmers forutinntak — hvilket betyr at sjansen for å produsere et relativt objektivt, 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 å finne en ferdig løsning ville være enkelt. Men å bygge en fra bunnen av ville være klokt.

De fleste AI-drevne drømmetolkningløsninger trenger naturlig språkbehandling (NLP) og bildegenkjenningsteknologi til en viss grad. Etter all, de fleste REM-søvner er en kombinasjon av bilder og ord. Ut over det kunne du bruke alt fra dypt læringsmodeller til neurale nettverk for å gjøre verktøyet ditt fungere.

Måter du kan bruke AI til å tolke drømmer

Selv om generative modeller kan produsere tekst, bilder, lyd og musikk, finnes det bare noen få beviste metoder for AI-drevet drømmetolkning.

1. Tekst-til-tekst-generering

Den enkleste metoden er tekst-til-tekst-generering, der en LLM, NLP eller ML-modell analyserer dine skrevne spørsmål. Du skriver hva du husker om drømmen din eller følger en beslutningstre-format for å få svar. På den ene siden, er det raskt og enkelt. På den andre siden, er det upresist — du glemmer de fleste delene av REM-stadiet når du våkner, så AI-arbeider med en fragmentert fortelling.

2. EEG-til-tekst-generering

En LLM og en elektroencefalogram (EEG) som registrerer hjernens elektriske signaler, kan omdanne tanker til ord. Du må lese mens du bærer en myk hue fylt med sensorer for at dette skal fungere. Modellen omdanner denne aktiviteten til tekst.

Din hjerne sender en spesifikk signal når du tenker på et ord eller en frase. En algoritme kan finne mønster i denne aktiviteten, og gjøre oversettelse mulig. Du kunne bruke denne EEG-til-tekst-genereringsmodellen til å utvikle en transkript av REM-søvnen din.

Peer-reviewed forskning beviste at denne modellen kan oppnå 60% nøyaktighet, hvilket er imponerende for et bevis på konsept. Den myke huen er bærbar og relativt billig å produsere, hvilket gjør det til en av de få oppfinnelsene som kan se massemarkedets anvendelser.

3. fMRI-til-bilde-generering

En forskergruppe oppdaget en dypt læringsmodell som kan analysere funksjonell magnetresonanstomografi (fMRI)-skanninger — bilder av hjernens blodstrøm — for å nøyaktig rekonstruere bilder folk ser. Den trente på 10 000 bilder for å tolke hva folk så.

Mens studie-deltagerne stirret på et bilde, registrerte deres temporalløbe innholdet, og deres occipitalløbe katalogiserte skalaen og layoutet. AI-sporet denne aktiviteten for å rekonstruere hva de så. Selv om rekonstruksjonene startet som støy, ble de langsomt gjenkjennelige.

4. fMRI-til-tekst-generering

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

Mens folk leste tekst eller så stille videoer, beskrev AI-innholdet — og fikk vanligvis grepet. For eksempel, en person leste: “Jeg visste ikke om jeg skulle skrike, gråte eller løpe vekk. I stedet sa jeg forlate meg alene, jeg trenger ikke din hjelp.” Modellen produserte: “Startet å skrike og gråte, og så sa hun bare at jeg sa at du skulle forlate meg alene, du kan ikke skade meg mer.”

Interessant nok, når forskerne tilpasset verktøyet for en av studie-deltagerne, kunne det bare rekonstruere uforståelig nonsens når det ble brukt på en annen. Det kan være potensiale for personlige algoritme-baserte drømmetolkere.

Hvorfor du bør være forsiktig med en AI-tolk

Selv om å bruke algoritmer for drømmetolkning lyder lovende, er det noen ulemper å være klar over. Den største er hallusinasjon. Ifølge en undersøkelse, 89% av maskinlæringsingeniører som arbeider med generativ AI sier at deres modeller finner på ting — og 93% ser det skje daglig eller ukentlig.

Frem til AI-ingeniører retter opp hallusinasjonsproblemet, er denne teknologiens anvendelse i REM-søvn et grått område. Selv om å bruke det for moro er harmløst, kan noen mennesker — de som vanligvis ville gå til terapeuter eller psykologer for drømmetolkning — få et utgang som skader deres mentale helse eller setter tilbake deres behandlingsfremskritt.

Det kan påvirke deg underbevisst, selv om du er skeptisk eller likegyldig til en algoritmes utgang. For eksempel, du kan vokse fra din partner etter at modellen forteller deg at din drøm om å bedra betyr en feilende forhold.

Å være på den andre siden av spekteret kan være like skadelig. Fullt å tro på AI-utgangen — til tross for potensiell forutinntak eller hallusinasjoner — kunne negativt påvirke deg. Denne overtiltroen kunne gjøre deg til å misforstå dine følelser, interaksjoner med andre eller fortidige traumer, og føre til uønskede situasjoner i våken tilværelse.

Det er også problemet med prislappen. Tekst-til-tekst-generering er den mest tilgjengelige og rimelige, men er upresist. Hvis du ønsker noe bedre, må du være forberedt på å betale. Med tanke på at en enkelt MRI-skanning kan koste opp til 4 000 dollar — og en maskin kan være en multimillion-investering — er nøyaktige AI-drømmetolkere sannsynligvis år unna.

Hva fremtiden holder 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 medisinske praksiser. En dag kan du bruke det til å jobbe gjennom fortidige traumer, identifisere søvnproblemer eller avdekke skjulte følelser.