大數據文摘出品
作者：牛婉楊、Canary、悅嘉
歡迎來到文摘菌夜間特別放送~ 鑒於今天這篇文章的主題是“做夢”，文摘菌特意調到了晚上發布，祝大家夢到文章裏的內容~
說到做夢，你是不是也覺得人的夢境很神奇？可以夢到那麼多無厘頭的事情。
但所謂“日有所思，夜有所夢”，有時夢境也是現實生活的延續。那如果有一個數據庫能把所有人的夢記錄下來，能否讓AI找到夢境與現實的聯系？
你可以在這個夢境數據庫裏看到別人千奇百怪的夢，還可以找找有沒有和自己一樣的~ 另外，AI還能幫你解夢，充當心理學家的角色，讓你更加的了解自己~
這種數據庫還真有！近日，英國和意大利的科學家就創建了一個AI工具，分析了成千上萬的夢境，提供了迄今為止規模最大的夢境分析研究。來和文摘菌一起看看吧~
AI分析2.4萬份夢境報告後，為夢境打分，幫心理學家快速解夢！Nokia Bell實驗室資深研究科學家Luca Aiello和其他研究人員創建了一個AI工具來分析成千上萬的夢境報告，他們的研究結果發表在了英國《皇家學會開放科學》期刊上。
相關鏈接：
https://royalsocietypublishing.org/doi/10.1098/rsos.192080
研究結果發現，“日有所思夜有所夢”是有科學依據的，也被科學家稱為“連續性假設”，即認為夢是現實生活的延續。Luca Aiello等人的新研究正式支持了這一假設，並且還詳細討論了不同群體生活經歷的差異對夢境的影響。
Aiello說：“如果我們能從規模上更好地理解我們的夢境，那或許我們也可以調整技術，來改善我們的現實生活。”
但對心理學家來說，夢境分析是一項耗時的任務，他們必須將夢境日記提煉成組成部分，並尋找主題和模式。為了加快這個過程，Aiello和他的同事創建了一個算法，可以自動分析“DreamBank”數據庫中整理的24,000多份夢境報告。
“DreamBank”是一個由Adam Schneider和加州大學聖克魯斯分校（UC Santa Cruz）榮譽退休教授G. William Domhoff共同建立起來的龐大數據庫。
現在這個數據庫也在線上開放，你可以在這裏閱讀來自全球不同人的夢境故事。
是不是很神奇，文摘菌也先把數據庫網站奉上。
數據庫鏈接：
http://dreambank.net/
在這裏，有各行各業的人留下了自己的夢境，他們的年齡在7-74歲之間。其中，一位參加過越戰的退伍老兵就在這裏記錄了他的463個夢，其中98個來自越戰後的噩夢，還有32個來自2015年。總而言之，這些夢境可以成為研究PTSD(創傷後應激障礙)及其對夢境影響的寶貴資源。
研究人員稱，該系統可以幫助心理學家快速識別“異常”夢，這些夢可能暗示壓力源或潛在的心理健康問題。通過對比每個夢的得分和那些沒有身體或精神疾病狀況報告的人的夢的平均值，該算法可以識別出不尋常的夢。
這樣一種大規模的夢境分析工具在當前的時代具有很重要的意義，尤其考慮到新冠疫情對人類心理健康的長期負面影響。Aiello說，“你可以看到的是人們對全球事件的心理反應。今天可能是COVID-19大流行，明天可能是金融危機，後天可能是全球變暖。”
面對這種情況，夢境或許就可以用來幫助科學家尋找應對的方案。
AI解夢：將夢境語言拆解後編織成樹狀網絡說了這麼多，就不賣關子啦，趕緊來看看這個AI工具倒底是如何解夢的~
以一位十幾歲女孩Lzzy的夢境為例，和許多人一樣，Lzzy夢見了一些不太可能發生的情況裏的奇怪人物。
她在日記中這樣描述她的夢境，“我當時在家裏，那個蠢節目《Looney Tunes》(兔八哥) 裏的恐怖紅怪物在周圍遊蕩”，“很多怪物想進來，我怕得要死”。
在AI分析了數據庫2.4萬份夢境報告後，研究人員用AI解析了這個小女孩的夢，認為她的夢可能只是她青春期焦慮的一種表達——一種對她日常經歷的有趣反映。
這個AI是一款自然語言處理工具，可以把夢境報告的語言分解成較小的部分：段落拆成句子，句子拆成短語，短語拆成單詞。
然後，該系統會生成一個樹狀網絡，以表達單詞之間的聯系：如果每個單詞都是一片葉子，那麼連接它們的樹枝則代表了某個語法規則。算法將這些詞分類（如人類或動物），並與那些表達正面或負面情緒的詞聯系起來，還可以將單詞之間的互動分類為攻擊性、友善性等。
Lzzy的夢境樹狀網絡
從下面四種顏色的標簽可以看到，AI把小女孩的夢境分為了四類，有的夢很甜蜜，有的是噩夢，還有一些普普通通的夢。
點擊上面不同顏色的葉子就可以看到對應屬性的夢境~ 比如，文摘菌點擊了最右側一片黃色的葉子，可以看到這是一個噩夢：Izzy夢到自己被獨角獸以及其他生物攻擊了。從上面的可視化中還可以看出與夢境匹配的關鍵詞的密切程度。
除此之外，利用心理學家普遍使用的編碼系統，該算法還可以給每個夢計算一系列分數：例如，角色的平均攻擊性，負面情緒與正面情緒的比率。當研究人員把該工具得出的分數與心理學家們計算的得分進行比較時，發現兩者的匹配率高達76%。
研究人員表示，未來的技術有可能縮小現實生活和夢境之間的差距，最終使我們“睡眠中的大腦”變得可量化，以幫助心理學家快速判斷患者的潛在壓力源和心理健康問題。
他們做了一個網站來呈現夢境解析的效果，其中展示了人們一些特殊的夢境，以及對應的樹狀網絡，感興趣的小夥伴可以自行查看~
The Dreamcatcher：
http://www.social-dynamics.net/dreams/
哈佛大學專家：夢和夢境報告還是有差距的，別太較真哈佛大學的睡眠精神病學家Robert Stickgold表示，這項研究是對夢使用自然語言處理的一個“極好的例子”。他說：“以後會證明這是一項有用的技術。”
但他也警告稱，不同的人之間夢境的差異實際上可能源於描述的差異。例如，女性在夢中不一定比男性體驗到更多的情緒，但她們可能會用更多充滿情感的詞語來進行描述。Stickgold還稱：“對於一個夢和夢境報告之間的距離，（我們可能需要）別太較真。”
他還指出，在沒有進一步了解做夢人的情況下，很難將夢與現實生活聯系起來。Aiello對此也表示同意，他並沒有想過他的算法會很快讓治療師失業。“我認為我們的工具為夢境科學家擴大研究規模，得以進行分析提供了非常有價值的支持。這並不意味著專家不能以更準確的方法來評估，並做出解釋。”
不過Aiello還是希望有一天能以更大範圍，從夢境報告中提供即時的算法見解，也許是以移動應用的形式。這將有助於增加數據集，並使研究人員更容易得出結論。他說，做夢的人也可能會從中受益，“能夠更好地了解自己的生活和心理，對於我們來說可能是挺有趣的一件事。”
相關報道：
https://www.sciencemag.org/news/2020/08/new-algorithm-can-find-hidden-patterns-your-dreams#
https://www.vice.com/en_in/article/v7gn7x/scientists-created-ai-to-analyze-peoples-dreams-on-a-massive-scale