Nykypäivän tieteellisessä-niin-outo-se-ehdottomasti-välttämättä-tieteiskirjallisuuskilpailussa meillä on selvä voittaja: uusi tutkimus, jossa tutkijaryhmä käyttää MRI-konetta, tietokonemallia ja tuhansia kuvia Internet selvittääksesi mitä ihmiset näkevät unessaan.
Asiaan liittyvä sisältö
- Miksi mielen vaellus voi olla niin kurja, onneasiantuntijoiden mukaan
Uskomatonta, miltä se kuulostaa, Japanin Kioton tutkijat sanovat rakentavansa jotain unelmalukemista, joka on oppinut tarpeeksi kolmen tutkimuksen osallistujan neurologisista malleista ennustaakseen heidän nukkumistapahtumansa 60-prosenttisella tarkkuudella. Tänään Science- julkaisussa julkaistun tutkimuksen uskotaan olevan ensimmäinen tapaus, jossa objektiivinen tieto on purettu unen sisällöstä.
Näennäisen poikkeuksellinen idea on rakennettu suoraviivaisesta käsitteestä: että aivomme noudattavat ennustettavissa olevia kuvioita reagoidessaan erityyppisiin visuaalisiin ärsykkeisiin, ja ajan myötä oppimisalgoritmi pystyy selvittämään, kuinka nämä kuviot korreloidaan erilaisten visualisointiluokkien kanssa. Yhden tutkijan vuonna 2005 suorittamassa tutkimuksessa tämä toteutettiin paljon primitiivisemmällä tavalla - subjektien ollessa hereillä - oppimisohjelmalla, joka käytti oikein funktionaalisia MRI-lukemia (fMRI osoittaa veren virtausta aivojen eri osiin) sen määrittämiseksi, mihin suuntaan kohde etsin.
Tämä tutkimus noudatti samaa periaatetta, mutta otti sen paljon kunnianhimoisempaan suuntaan pyrkien sovittamaan todelliset kuvat - ei vain visuaaliset suunnat - fMRI-lukemiin ja tekemään sen, kun koehenkilöt nukkuivat.
Tutkimus tehtiin kolmelle osallistujalle, joista jokainen vuorotellen nukkui MRT-skannerissa useita 3 tunnin lohkoja 10 päivän kuluessa. Osallistujat kytkettiin myös elektroencefalografialaitteella (EEG), joka seuraa aivojen sähköisen aktiivisuuden yleistä tasoa ja jota käytettiin osoittamaan, missä unen vaiheessa he olivat.
Syvimmät, pisimmät unet tapahtuvat REM-unen aikana, joka alkaa tyypillisesti muutaman tunnin nukkumisen jälkeen. Mutta nopeita, satunnaisia hallusinaatioita tapahtuu myös ei-REM-unen 1. vaiheessa, joka alkaa muutama minuutti sen jälkeen kun olet ajautunut pois, ja tutkijat pyrkivät seuraamaan visualisointeja tämän vaiheen aikana.
Kun fMRI tarkkaili verenvirtausta tutkittavien aivojen eri osiin, he ajautuivat nukkumaan; Sitten, kun tutkijat huomasivat saapuneensa vaiheeseen 1, he herättivät heidät ja pyysivät heitä kuvaamaan mitä he olivat aikaisemmin nähneet unessa. He toistivat tämän prosessin lähes 200 kertaa jokaiselle osallistujalle.
Myöhemmin he tallensivat 20 yleisintä luokkaa esineitä, jotka jokainen osallistuja näki (esimerkiksi “rakennus”, “henkilö” tai “kirje”) ja etsivät verkosta valokuvia, jotka vastasivat suunnilleen esineitä. He näyttivät nämä kuvat osallistujille hereillä ollessaan myös MRI-skannerissa, ja sitten vertasivat lukemia MRI-lukemiin, kun ihmiset olivat nähneet samat esineet unissaan. Tämän avulla he pystyivät eristämään tietyt aivojen aktiivisuusmallit, jotka todella liittyvät tietyn kohteen näkemiseen, toisistaan riippumattomista malleista, jotka yksinkertaisesti korreloivat nukkumisen kanssa.
He ruokkivat kaiken tämän tiedon - 20 yleisintä esinetyyppiä, jotka kukin osallistuja oli nähnyt unissaan, kuten tuhansia kuvia verkosta, sekä osallistujien aivotoimintaa (MRI-lukemista), joka seurauksena tapahtui. nähdä ne - oppimisalgoritmiin, joka pystyy parantamaan ja tarkentamaan malliaan datan perusteella. Kun he kutsuivat kolme nukkujaa takaisin MRI: hen testaamaan hiljattain tarkennettua algoritmia, se tuotti alla olevan kaltaiset videot, tuotti liittyvien kuvien ryhmiä (otettu tuhansilta verkosta) ja valitsi mikä 20 esineryhmästä (sanat) alareunassa) ajateltiin todennäköisimmin, että henkilö näki, MRI-lukemiensa perusteella:
Kun he herättivät kohteita tällä kertaa ja pyysivät heitä kuvaamaan unelmansa, kävi ilmi, että koneen ennusteet olivat parempia kuin sattuma, vaikkakaan eivät missään nimessä täydellisiä. Tutkijat valitsivat kaksi tuoteryhmää - yhden uneksija oli ilmoittanut näkevänsä ja toisen hän ei ollut - ja tarkistanut niistä aikoista, jolloin algoritmi oli ilmoittanut vain yhden niistä, kuinka usein se ennusti oikean.
Algoritmi sai sen oikein 60 prosenttia ajasta, tutkijoiden mukaan sitä osaa ei voida selittää sattumalta. Erityisesti se oli parempi erottaa visualisoinnit eri kategorioista kuin saman kuvan eri kuvat - ts. Sillä oli paremmat mahdollisuudet kertoa näkevätkö unelmoija henkilöä tai kohtausta, mutta se oli vähemmän tarkka arvaamaan, oliko tietty kohtaus oli rakennus tai katu.
Vaikka järjestelmä kykenee vain suhteellisen karkeisiin ennusteisiin, järjestelmä osoittaa jotain yllättävää: Unelmat saattavat tuntua subjektiivisilta, yksityisiltä kokemuksilta, mutta ne tuottavat objektiivisia, yhdenmukaisia tietoja, joita muut voivat analysoida. Tutkijoiden mukaan tämä työ voisi olla ensimmäinen taistelu tieteelliseen unelmaanalyysiin, mikä mahdollistaa hienostuneemman unen tulkinnan unen syvempinä vaiheina.
