A mai tudományos-fantasztikus tudományos-fantasztikus versenyben egyértelmű nyertesünk van: egy új tanulmány, amelyben egy tudósok egy MR-gépet, számítógépes modellt és ezer képet jelenítenek meg a Internet, hogy kitaláljuk, mit látnak az emberek álmukban.
kapcsolodo tartalom
- A boldogság szakértői szerint miért lehet az elme vándorlás annyira szomorú?
Hihetetlen, amint hangzik, a japán kiotói kutatók azt állítják, hogy valami álomolvasógépet építettek, amely elegendő információt kapott a három kutatás résztvevőinek neurológiai mintáiról, hogy 60% -os pontossággal megjósolhassák alvásidejüket. Úgy gondolják, hogy a ma a Science- ben közzétett tanulmány az első eset, amikor objektív adatokat gyűjtöttek egy álom tartalmáról.
A látszólag rendkívüli ötlet egy egyértelmű fogalomból épül fel: hogy agyaink kiszámítható mintákat követnek, amikor különféle vizuális ingerekre reagálnak, és az idő múlásával egy tanulási algoritmus kitalálhatja, hogyan lehet összekapcsolni ezeket a mintákat különböző vizualizációs osztályokkal. Az egyik kutató 2005-ös tanulmánya ezt sokkal primitívebb módon, míg az alanyok ébren voltak, egy olyan tanulási programmal valósították meg, amely helyesen használt funkcionális MRI leolvasást (fMRI jelzi az agy különböző részeinek véráramát) annak meghatározására, hogy az alany milyen irányba mutat keresett.
Ez a tanulmány ugyanazt az elvet követte, de sokkal ambiciózusabb irányba vette, és arra törekedett, hogy a tényleges képeket - nem csak a vizuális irányokat - illessze az fMRI leolvasásokhoz, és elvégezze, amíg az alanyok aludtak.
A kutatást három résztvevőn végezték, akik mindegyike felváltva aludt MRI szkennerben több 3 órás blokk alatt 10 nap alatt. A résztvevőket elektroencefalográfiával (EEG) vezetékbe helyezték, amely nyomon követi az agy elektromos aktivitásának általános szintjét, és azt jelzi, hogy az alvás milyen stádiumában vannak.
A legmélyebb, leghosszabb álmok a REM alvás alatt fordulnak elő, amely általában néhány óra alvás után kezdődik. De gyors, szórványos hallucinációk is előfordulnak a nem-REM alvás 1. szakaszában, amely néhány perccel kezdődik a sodródás után, és a kutatók ebben a szakaszban a vizualizációkat próbálták követni.
Mivel az fMRI figyelték a véráramlást az alanyok különböző részein, aludni sodródtak; aztán, amint a tudósok észrevették, hogy beléptek az 1. szakaszba, felébresztették őket, és arra kérték őket, hogy írják le, mit láttak korábban álmodás közben. Majdnem 200 alkalommal megismételték ezt a folyamatot minden résztvevő számára.
Ezután felvették a résztvevők által látott 20 leggyakoribb tárgyosztályt (például „épület”, „személy” vagy „levél”), és fényképeket kerestek az interneten, amelyek nagyjából megegyeztek az objektumokkal. Megmutatták ezeket a képeket a résztvevőknek, miközben ébren voltak, az MRI szkennerben is, majd összehasonlították a leolvasásokat az MRI leolvasásokkal, amikor az emberek ugyanazokat a tárgyakat láttak álmukban. Ez lehetővé tette számukra, hogy elkülönítsék az adott objektum látásával valóban társított agyi aktivitási mintákat független mintázatoktól, amelyek egyszerűen összefüggenek az alvással.
Tápláltak mindezeket az adatokat - a 20 leggyakoribb objektumtípust, amelyet az egyes résztvevők álmaikban láttak, és amelyeket több ezer kép reprezentált az internetről, valamint a résztvevők agyi aktivitását (az MRI kiolvasásokból), ami ennek eredményeként történt látni őket - egy olyan tanulási algoritmusba, amely az adatok alapján képes javítani és finomítani modelljét. Amikor meghívták a három alvót az MRI-be, hogy teszteljék az újonnan finomított algoritmust, az alábbiakhoz hasonló videókat készített, a kapcsolódó képek csoportjait állítva elő (az interneten több ezerből vették ki) és kiválasztotta a 20 elemcsoport közül melyiket (szavak alján) azt vélte, hogy valószínűleg az a személy, akit az MRI leolvasása alapján lát:
Amikor ezúttal felébresztették a alanyokat, és arra kérték őket, hogy írják le álmaikat, kiderült, hogy a gép előrejelzései jobbok voltak, mint a véletlen, bár semmiképpen sem voltak tökéletesek. A kutatók kétféle osztályt választottak ki - az egyiket az álmodozó jelentette, a másiknak még nem -, és ellenőrizték, hogy az algoritmus csak egy közülük jelentett-e, milyen gyakran jósolta meg a helyeset.
Az algoritmus az idő 60 százaléka helyesen helyrehozta, a kutatók szerint ez az arány nem magyarázható véletlenszerűen. Különösen jobban különböztette meg a vizualizációkat a különböző kategóriáktól, mint az ugyanazon kategóriától eltérő képeket - azaz jobb esélye volt arra, hogy elmondja, hogy az álmodozó személyt vagy jelenetet lát-e, de kevésbé volt képes kitalálni, hogy egy adott A jelenet egy épület vagy egy utca volt.
Annak ellenére, hogy csak viszonylag durva előrejelzésekre képes, a rendszer valami meglepő képet mutat: Álmaink szubjektív, magánjellegűnek tűnhetnek, de objektív, következetes adatokat szolgáltatnak, amelyeket mások is elemezhetnek. A kutatók szerint ez a munka az álom tudományos elemzésének első bevezetése lehet, amely végül lehetővé teszi az álmok kifinomultabb értelmezését az alvás mélyebb szakaszaiban.
