Aplikasi 'Wake' di 'Inventing Anna' bukanlah ilmuwan impian yang nyata tetapi sedang * mengumpulkan dan menganalisis data mimpi

Bagaimana Ilmuwan Impian Saat Ini Mendekati Koleksi dan Analisis Data Data

Elemen utama dari Menciptakan AnnaBangun yang benar-benar melacak dengan banyak studi analisis mimpi saat ini adalah mode pengumpulan yang diusulkan. Dalam kebanyakan kasus, peneliti impian saat ini, pada kenyataannya, mengandalkan laporan tertulis dari konten impian yang telah diserahkan orang ke forum online atau ditawarkan kepada para peneliti dalam studi. Basis data yang paling luas adalah DreamBank, arsip web lebih dari 24.000 laporan mimpi yang dimusnahkan dari kedua studi dan buku harian pribadi yang disusun pada tahun 1999, dengan mimpi yang membentang beberapa dekade sebelum itu. (Karena laporan mimpi ini, sekali lagi, subyektif bagi orang-orang yang melaporkan mereka dan ingatan mereka-batasan utama untuk setiap analisis mimpi berskala besar beberapa ilmuwan juga mengeksplorasi cara mengekstraksi data mimpi visual melalui pemindaian otak fMRI, meskipun penelitian itu adalah penelitian masih super pendahuluan.)

Dengan menggunakan database transkrip mimpi tertulis ini, para ilmuwan telah menggunakan teknik analisis konten untuk memahami tema dan tren. Studi terbesar semacam ini hingga saat ini berasal dari kelompok dinamika sosial di Nokia Bell Labs di Cambridge University, yang menciptakan algoritma intelijen buatan yang disebut "DreamCatcher" untuk menyelidiki data dari DreamBank yang disebutkan di atas. Secara khusus, mereka melatih algoritma untuk menguraikan mimpi menggunakan skala Hall/van de Castle, yang merupakan sistem untuk mengklasifikasikan mimpi berdasarkan apakah dan sejauh mana mereka berisi aspek atau komponen kunci tertentu.

"Skala ini bekerja dengan menghitung dan mengkategorikan karakter yang muncul dalam setiap mimpi," kata desainer data-visualisasi Edyta Bogucka, seorang peneliti di proyek tersebut. "Apakah mereka makhluk imajiner atau manusia? Dan jika mereka manusia, apakah mereka kenalan atau orang anonim?"Dari sana, interaksi dengan karakter -karakter itu juga dikategorikan, dia menambahkan: dalam mimpi, apakah Anda berbicara, menari, atau berdebat, misalnya? Langkah terakhir adalah memenuhi syarat interaksi tersebut pada dimensi emosional, tergantung pada apakah mereka positif, negatif, agresif, atau lebih. "Pada dasarnya, algoritma DreamCatcher memotong dan membedah kalimat dari laporan mimpi menjadi satu kata, sesuai dengan karakter, interaksi, dan emosi ini, yang memungkinkan kami untuk secara otomatis mengotomatiskan analisis mimpi tentang mimpi."

“Algoritma memotong dan membedah kalimat dari laporan mimpi menjadi kata tunggal yang sesuai dengan karakter, interaksi, dan emosi.”-Ededta Bogucka, peneliti impian

Secara khusus, algoritma ini melihat tren di antara subset demografis dari pelapor mimpi; Sebagai contoh, ia menemukan veteran perang lebih cenderung memiliki mimpi kekerasan yang didominasi oleh pria, sementara remaja yang diidentifikasi sebagai wanita lebih sering memiliki mimpi yang mencerminkan kecemasan di sekitar penampilan tubuh atau seksualitas. Tentu saja, seorang terapis yang melihat konten mimpi yang sama untuk satu orang mungkin menarik tema yang sama. Tapi, manfaat untuk otomatisasi adalah kemampuan untuk dengan cepat menarik wawasan seperti di atas secara massal sebagai sarana untuk mencatat elemen mimpi umum di antara kategori orang.

Ini adalah jenis hal yang bertujuan untuk dilakukan-yaitu, untuk menarik kesimpulan yang bermakna dan konkret tentang bagaimana orang-orang di Stockholm atau San Francisco atau Sydney Dream; tentang apakah orang dengan lebih banyak keberhasilan bermimpi berbeda dari mereka yang kurang; tentang mimpi orang -orang terkenal, dan sejumlah variasi kategori lainnya dari waktu ke waktu. Sementara dia berharap untuk akhirnya memonetisasi data itu, para peneliti melihatnya sebagai alat yang berpotensi berguna untuk meningkatkan kesadaran diri dan mendemokratisasi akses ke jenis analisis mimpi yang biasanya terbatas pada orang-orang yang mampu melihat terapis impian.

Terlepas dari penggunaannya, data dari iterasi algoritma DreamCatcher saat ini hanya menyikat permukaan tujuan yang lebih besar itu. Sampai sekarang, wawasannya hanya bisa sebutir mimpi yang dilaporkannya yang dirujuk-yang, sekali lagi, terbatas pada beberapa set dari beberapa ribu mimpi dari mereka yang telah memilih untuk secara teratur berkontribusi pada DreamBank di masa lalu. Prosesnya juga masih eksperimental, mengingat bahwa itu didasarkan pada skala analisis tertentu yang mungkin tidak menjelaskan kompleksitas penuh dan nuansa mimpi individu dari waktu ke waktu.

Dimana ilmu impian masih memiliki ruang untuk tumbuh

Tidak diragukan lagi, batasan terbesar untuk mengambil algoritma seperti yang di atas dan menerjemahkannya ke dalam aplikasi mimpi yang menghadap konsumen seperti Wake adalah pengumpulan data yang berkelanjutan yang akan dibutuhkan. Untuk melatih algoritma untuk menarik kesimpulan tentang jenis mimpi "rata -rata" untuk setiap kategori orang yang diberikan, Anda akan membutuhkan ribuan orang seperti itu untuk mengirimkan impian mereka secara teratur dari waktu ke waktu. Sedangkan penelitian DreamCatcher adalah bukti konsep bahwa komputer Bisa Tarik wawasan yang bermanfaat dari sekelompok laporan mimpi yang tampaknya tidak terkait, itu tidak memperhitungkan rintangan logistik yang melekat pada pengumpulan mimpi massal atau masalah privasi data seputar potensi database sebesar itu untuk dieksploitasi (alias dijual ke teknologi besar besar , Misalnya).

Dan bahkan mengasumsikannya adalah mungkin untuk mendapatkan cukup banyak orang untuk dengan sukarela dan teratur berpisah dengan data impian mereka, masih ada pertanyaan apakah kecerdasan buatan dapat menafsirkan mimpi sepenuhnya dan efektif tanpa konteks pribadi yang hanya diketahui oleh pemimpi; Iterasi Proyek DreamCatcher saat ini bekerja di sekitar ini, sebagian, dengan memarsing mimpi dari orang -orang dengan diketahui kualitas demografis (e.G., seorang anak sekolah remaja atau pengantin wanita di masa depan), tetapi untuk secara efektif menganalisis mimpi yang disampaikan melalui aplikasi, algoritma tersebut akan membutuhkan karakteristik demografis yang serupa dari pengirim aplikasi, juga dan mungkin lebih detail tentang apa yang terjadi dalam kehidupan orang-orang ini 'membangunkan kehidupan orang-orang ini'.

"Hipotesis Kontinuitas" yang diterima oleh banyak ilmuwan impian menyatakan bahwa mimpi kita mencerminkan kelanjutan dari pikiran dan pengalaman kita yang terbangun, jadi tanpa intel itu, sulit untuk melihat seberapa jauh algoritma itu benar -benar dapat menafsirkan mimpi submitter mana pun yang ada. “Dengan mengambil mimpi dan aktivitas pembuatan makna di luar konteks pemimpi dan membawanya ke dalam kerangka kerja objektif ini, analisis ini kehilangan karya yang penting,” kata Rekshan.

Tapi, masih ada harapan untuk prospek analisis mimpi yang meluas menjadi kenyataan. Rekshan bekerja dengan usia kebijaksanaan nirlaba untuk membangun platform warga negara ("Wikipedia untuk mimpi," katanya) di mana para ilmuwan dapat bermitra secara langsung dengan orang-orang sehari-hari untuk menganalisis data impian yang bersumber dari forum impian online online.

Platform semacam ini, ia antisipasi, tidak hanya akan menghapus permainan kekuatan potensial dari satu perusahaan yang memiliki data impian dalam jumlah besar, tetapi juga akan memungkinkan lebih banyak orang untuk lebih memahami impian mereka dalam konteks, dari waktu ke waktu. Dan itu dasar bagaimana Rekshan memandang mimpi secara keseluruhan: "Mereka akan selalu multidimensi, dan kita tidak pernah benar untuk membatasi impian 'x' untuk interpretasi 'y',” katanya. “Tapi Data Open Commons untuk mimpi setidaknya bisa menciptakan tempat awal yang bermanfaat."

Oh hai! Anda terlihat seperti seseorang yang menyukai latihan gratis, diskon untuk merek kesehatan mutakhir, dan konten baik eksklusif+. Daftar dengan baik+, Komunitas online orang dalam wellness kami, dan membuka imbalan Anda secara instan.