Tänasel ulme-nii imelikul, täiesti-kindlasti-kindlasti-ulme-võistlusel on meil selge võitja: uus uuring, milles teadlaste meeskond kasutab MRT-seadet, arvutimudelit ja tuhandeid pilte Internet, et aru saada, mida inimesed unistades näevad.
Seotud sisu
- Miks meele ekslemine võib õnneekspertide sõnul nii õnnetu olla
Uskumatu, nagu kõlab - Jaapani Kyoto teadlased väidavad, et nad on ehitanud midagi unistuste lugemismasinast, mis õppis piisavalt teadusuuringute kolme osaleja neuroloogilisi mustreid, et ennustada nende uneaja visualiseeringuid 60-protsendilise täpsusega. Täna ajakirjas Science avaldatud uuring arvatakse olevat esimene juhtum, kus unistuse sisu kohta on objektiivsed andmed kogutud.
Näiliselt erakordne idee on üles ehitatud sirgjoonelisest kontseptsioonist: et meie ajud järgiksid ennustatavaid mustreid, kui nad reageerivad erinevat tüüpi visuaalsetele stiimulitele, ja aja jooksul suudab õppealgoritm välja mõelda, kuidas kõiki neid mustreid seostada erinevate visualisatsiooniklassidega. Ühe teadlase 2005. aasta uuring viis selle läbi palju primitiivsemal viisil - samal ajal kui katsealused olid ärkvel -, kasutades õppeprogrammi, kasutades õigesti funktsionaalse MRT näitu (fMRI näitab verevoolu aju erinevatesse osadesse), et teha kindlaks, millises suunas subjekt otsis.
See uuring järgis sama põhimõtet, kuid võttis selle palju ambitsioonikamas suunas, püüdes sobitada tegelikke pilte - mitte ainult visuaalseid suundi - fMRI näitudega ja teha seda katsealuste magamise ajal.
Uurimistööd tehti kolmel osalejal, kellest igaüks magab MRI-skanneris 10 päeva jooksul mitu tundi kestvat blokki. Osalejad ühendati ka juhtmega elektroencefalograafia (EEG) abil, mis jälgib aju üldist elektrilise aktiivsuse taset ja mida kasutati, et näidata, millises unetapis nad viibisid.
Kõige sügavamad, pikimad unenäod tekivad REM-une ajal, mis algab tavaliselt pärast paaritunnist magamist. Kuid kiired, juhuslikud hallutsinatsioonid tekivad ka mitte-REM-une 1. etapis, mis algab mõni minut pärast triivimist, ja teadlased püüdsid selle etapi visuaale jälgida.
Kuna fMRI jälgis verevoolu katsealuste aju eri osadesse, triivisid nad magama; Kui teadlased märkasid, et nad olid juba 1. järku jõudnud, ärkasid nad üles ja palusid neil kirjeldada seda, mida nad varem unes nägid. Nad kordasid seda protsessi iga osaleja jaoks ligi 200 korda.
Hiljem salvestasid nad 20 osaleja jaoks kõige tavalisemat esemeklassi, mida iga osaleja nägi (näiteks „hoone”, „inimene” või „kiri”) ja otsisid veebist fotosid, mis objektidele ligikaudselt sobisid. Nad näitasid neid pilte osalejatele ärkveloleku ajal ka MRI-skanneris, seejärel võrdlesid näiteid MRT näitudega, kui inimesed olid unes näinud samu objekte. See võimaldas neil isoleerida konkreetsed aju aktiivsuse mustrid, mis on tõeliselt seotud antud objekti nägemisega, sõltumatutest mustritest, mis lihtsalt korreleerisid magama jäämist.
Nad toitsid kõiki neid andmeid - 20 kõige levinumat objekti, mida iga osaleja oli unes näinud - tuhandete piltidena veebist - koos osalejate ajutegevusega (MRT näitudega), mis selle tagajärjel ilmnes. nende nägemine - õppimisalgoritmiks, mis on võimeline andmete põhjal oma mudelit täiustama ja viimistlema. Kui nad kutsusid kolm magajat tagasi MRT-sse, et testida äsja täpsustatud algoritmi, genereeris see videod nagu allpool, tootes seotud piltide rühmi (veebist võetud tuhandetest) ja valides 20-st üksusegrupist (sõnad allosas) arvas tema MRT näitude põhjal kõige tõenäolisem, et inimene seda näeb:
Kui nad katsealuseid seekord üles äratasid ja palusid neil oma unistusi kirjeldada, selgus, et masina ennustused olid paremad kui juhus, ehkki sugugi mitte täiuslikud. Teadlased valisid välja kaks klassi üksust - ühe, millest unistaja oli teada andnud, ja teise, mida ta polnud - ning nad kontrollisid, kui sageli algoritm oli õiget ennustanud, neist algustest.
Algoritm sai õigesti 60 protsenti ajast, seda osa ei saa teadlaste sõnul juhuslikult seletada. Eelkõige oli parem eristada erinevate kategooriate visualiseeringuid kui sama kategooria erinevaid pilte - see tähendab, et tal oli parem võimalus öelda, kas unistaja nägi inimest või stseeni, kuid oskas vähem täpselt arvata, kas konkreetne stseen oli hoone või tänav.
Ehkki see on võimeline ainult suhteliselt ebaviisakateks ennustusteks, näitab süsteem midagi üllatavat: meie unistused võivad tunduda subjektiivsed, privaatsed kogemused, kuid need annavad objektiivseid ja järjepidevaid andmeid, mida teised saavad analüüsida. Teadlaste sõnul võiks see töö olla unenägude teadusliku analüüsi esimene otsimisvõimalus, võimaldades une sügavamates etappides keerukamat unenägude tõlgendamist.
