【AI解梦大师】加州大学用机器学习算法来预测和分析梦境

【导读】梦是神秘的一种主体经验,是哲学、宗教、心理学等最感兴趣的话题,也产生了许多有关的科学猜想。但人类从未真正理解梦的内容、机制和作用。我们能不能设计一种机器学习算法来预测和分析我们的梦境呢?答案是肯定的。在AI的帮助下,理解、预测和控制梦境的技术上已经取得了进展。

你有没有做过令人不安的梦,梦见高中时认识的某个人?或者做过以某种特殊的方式预知未来的梦,比如预知上班路上遭遇交通堵塞?或者,你也做过一些无意义的梦,梦境里都是一些随机的生物或人,没有可辨别的情节?

梦是人类经历的一部分,令神秘主义者、科学家和普通人都百思不得其解。从表面上看,梦可以是深邃而令人困惑的,而在其背后,它们的科学基础仍然令心理学家和生物学家不解。

那么,AI是不是解决关于梦的问题的最好方法呢?我们能不能设计一种机器学习算法来预测和分析我们的梦境?

关于梦的独特挑战

对于AI研究人员来说,“梦”带来了一些独特的挑战:

  • 科学理解。为了更好地理解梦境,多年来生物学家、心理学家和其他科学专业人士做出了许多努力,但关于梦,我们仍有很多不理解的地方。一些理论认为,梦在大脑中是随机静态的,而另一些理论则将梦描述为一种为清醒的生活做准备的模拟器,还有一些理论认为梦是一种帮助我们巩固和储存长期记忆的方式。如果对梦没有基本的理解,就很难开发出一种能够探测和剖析它们的解决方案。
  • 个体差异。并非所有人都以同样的方式做梦。能够预测某个人的梦的算法不一定能预测另一个人的梦,这取决于这个人的梦境历史、睡眠习惯和其他变量。
  • 动机。回想你奇怪的梦境是很有趣的,你会想知道是什么促使你产生了这样的梦,但是除了好奇心之外,没有太多其他动力去了解人为什么做梦以及如何做梦。没有金钱激励或改变生活的追求,不想增加医疗知识或开发消费品那样。因此,AI研究人员寻找的是更有利可图的机会。

尽管如此,我们已经在帮助我们更好地理解、预测和控制梦境的技术上取得了进展。

记录梦境

加州大学Gallant实验室的研究人员已经有了一种算法,可以处理大脑的活动,形成可识别的图像。在他们的研究中,他们让参与者观看电影预告片,并积极思考正在观看的内容。仅使用大脑图像,研究人员就能重现参与者正在观看的预告片的模糊图像。如果同样的技术应用于梦境,可以让我们看到与人的梦境相关的视觉效果。

这里的主要问题是分辨率。虽然研究人员能够解析特定的形状和颜色,但他们无法以高分辨率视频的形式重建一个人的思维。AI可以帮助我们将这些算法提升到更高的水平,尽管我们也不确定梦境本身是否就是高分辨率的。

睡眠模式分析

提供基于AI的解决方案,帮助客户了解他们的睡眠习惯的公司正在不断容县,比如Sleep.ai。这些消费者应用程序通常利用可穿戴设备或智能手机来监控打鼾、磨牙、辗转反侧等情况,然后提供数据可视化和诊断工具,帮助用户睡得更好。如果结合某种程度的梦境监测,它还可以用来识别和预测未来的模式。

梦境预测及其影响

下一个合乎逻辑的步骤是先使用AI来识别人们如何做梦,然后使用这些数据(结合历史数据)来预测一个人未来可能如何做梦。清醒梦(lucid dream)技术已经让用户了解他们可以用来掌握自己梦境意识的策略。问题在于弥合用户直觉和客观数据分析之间的差距。

这里最大的问题之一是数据可用性;有无数的变量会影响我们的睡眠和梦境,其中许多仍然没有被科学家们很好地理解。虽然我们可能开发出收集这些数据的工具,但我们不一定有能够客观地衡量它们对梦境的影响的工具(例如:记录梦境的视觉画面)。

另一个问题是,如何处理这些数字以及来自用户的输入,从而得出一个足够准确的预测。这个问题可以通过足够先进的AI来解决,但仍需要时间来开发。

可能性如何?

那么,我们是否有可能利用机器学习更好地理解我们的梦境呢?答案基本上是肯定的。我们已经处于完全理解梦境是什么,以及梦境如何工作的边缘,并且很快就能将人们的梦境像使用电影放映机一样投射出来。尽管如此,这仍需要技术创新、科学理解以及将这种技术应用于开发的共同愿望——这可能需要数年甚至数十年的时间,我们才能拥有性能良好的分析梦境的算法或设备。

原文发布于微信公众号 - IT派(transfer_3255716726)

原文发表时间:2018-07-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器人网

一台电脑也可打造你所需要的人工智能大脑

当Google使用16000台机器建造了一个可以正确识别出YouTube视频中是否有猫的仿真“大脑”时,这就标志着人工智能(AI)技术迎来了一个转折点。这种新兴...

35270
来自专栏腾讯社交用户体验设计

未来已来,变革中的数据可视化--遇见大数据可视化系列文章之一

18420
来自专栏理论坞

用户体验 · 知识体系汇总

作为一门新兴学科,在具体的设计操作过程中,用户体验设计吸取了多个学科的知识。除了第一章所讲述的面向人的学科和面向技术的学科之外,还包括面向设计的学科。

11420
来自专栏CDA数据分析师

机器学习的商业应用

机器学习的商业应用就是把真实的场景,真实的商业应用的经验凝练成对每个数据分析师都有价值的功能,逐渐放到产品中。 本期精编版嘉宾演讲为IBM中国开发中心技术总监...

24850
来自专栏AI科技大本营的专栏

CCAI | 清华大学张敏:当人工智能“科学遇到艺术”的一点杂谈

清华大学计算机科学与技术系副教授张敏 文/CSDN贾维娣 7 月 22 - 23 日,在中国科学技术协会、中国科学院的指导下,由中国人工智能学会、阿里巴巴集团...

38180
来自专栏后端技术探索

破解YouTube、Facebook推荐系统背后的那些算法

我之前翻译过一篇文章《破解 YouTube 的视频推荐算法》,得到了很多人的好评,在各个算法、大数据公号上纷纷转载。最初看到这篇文章是@fengyoung 在F...

53150
来自专栏AI科技评论

AI NEXT | 微软首席 AI 科学家邓力:对话系统的分类与发展历程

AI科技评论按:本月 18 日,由美中技术与创新协会(Association of Technology and Innovation,ATI)主办的第一届“A...

42470
来自专栏数说工作室

【数说·大数据圈】当我们谈论“细分”(segmentation)的时候我们在谈论什么

我们经常听到一些创业者说,“我做的这个产品主要面向XX客户”,有人服务于高净值人群、有人专门面向女性客户群,也有人专注于老年市场......,不同的客户群之间存...

49840
来自专栏大数据文摘

关于数据分析,管理者的4个常规错误

15630
来自专栏机器之心

业界 | 作为百度AI技术的集大成者,最新升级的百度大脑3.0有何亮点?

大会现场,百度不仅分享了公司在 AI 技术、产品与平台等方面的研究成果与最新进展,还宣布了百度大脑的重磅升级,3.0 版本正式问世。

12220

扫码关注云+社区

领取腾讯云代金券