梦境分析治疗成现实！一种快速算法工具，可在梦中发现日常生活的“隐秘角落”

很多人都有过这样的经历：他们会梦见一些不太可能发生的事情中的奇怪人物。但根据一项新的研究，研究人员用自动化工具分析了数千个梦，这些梦可能只是青春期焦虑的一种表达——对她日常经历的一种有趣的“映射”。

研究人员表示，该工具可以识别和量化梦的角色、互动和情绪，可以帮助心理学家快速识别患者中潜在的压力源和心理健康问题。

纵观历史，人们一直试图从梦中提取隐藏的意义。时至今日，大多数心理学家都支持“连续性假说”（continuity hypothesis），即梦是现实生活的延续。

的确，许多研究表明：梦经常反映了日常活动，可以充当某种“夜间治疗师”的角色，帮助人们处理经验，为现实生活中的问题做好准备。

今天发表在《皇家学会开放科学》(Royal Society Open Science)上的论文中，来自意大利研究团队通过开发复杂的梦境分析量表，以帮助人们改善自己的现实生活，并为睡眠科学家所称的“梦的连续性假设”提供了强有力的支持。该论文题为“Our dreams, our selves: automatic analysis of dream reports”。

诺基亚贝尔实验室（Nokia Bell Labs）的计算社会科学家和这项研究的合著者卢卡·玛丽亚·艾洛（Luca Maria Aiello）说:“如果我们能在一定程度上更好地理解我们的梦，那么也许我们也可以调整技术来改善我们的现实生活。”

但是长期以来，对心理学家来说，梦的筛选、分析都是一项耗时的任务，他们必须将梦的日记提炼成各个组成部分，并寻找主题和模式。

为了加快这个过程，Aiello和他的同事们建立了一个算法，可以自动分析一个名为“梦库（Dream Bank）”的大型公共梦境报告数据库中的24000份梦境报告。DreamBank.net是一个由经过验证的研究收集的梦的公共数据库。

这个工具把梦境报告的语言分解成更小的片段：段落变成句子，句子变成短语，短语变成单词。然后，它生成树状网络来理解单个单词之间是如何联系的——如果每个单词都是一片叶子，那么连接它们的树枝就代表了语法规则。算法将这些词分类(如人或动物)，并将它们与积极或消极情绪联系起来；它还将词语间的互动分为攻击性、友好性和性。

最后，使用心理学家普遍使用的编码系统（梦境分析量表），该算法可以计算每个梦的一系列分数：例如，角色的平均攻击性，或消极情绪与积极情绪的比率。当研究人员将该工具的得分与心理学家计算的得分进行比较时，他们发现两者的得分是76%。

研究人员说，该系统可以帮助心理学家快速识别那些“特别”的梦，这些梦可能表明压力的来源或潜在的心理健康问题。通过比较每个梦的分数，和那些没有身体或精神状况报告的人的梦的平均值，该算法可以识别不寻常的梦。

该算法还允许研究人员分析梦是如何因性别、年龄或精神状况而不同的。在其中一个追踪了13年的案例中（名为Izzy的女生），刚进入青春期的那段时间里，她的负面情绪更为频繁，这段时间通常与社交焦虑有关。她十几岁的时候表现出性行为的特点。同样的，一名被诊断患有创伤后应激障碍的越战老兵的梦境报告显示，他的攻击性明显高于平均水平。

Aiello说:“梦想不仅告诉我们今天做了什么，还告诉我们我们是谁。”他说梦的模式反映了日常生活的模式，支持了连续性假说。

哈佛大学(Harvard University)的睡眠精神病学家罗伯特·斯蒂克戈尔德(Robert Stickgold)表示，这项研究是对梦境进行自动文本分析的一个“极好的例子”。

“这将被证明是一种有用的技术，”他说。但他警告称，不同人口统计群体之间的梦的明显差异，可能实际上源于报告的差异。例如，他说，女性在梦中并不一定比男性体验到更多的情感，但她们可能会用更多充满情感的词语来描述自己。斯蒂克戈尔德说:“对于一个梦境和它被映射之间的景象之间的差距，(我们可能需要)稍微谦虚一点。”

他还指出，如果不进一步了解做梦的人，就很难把梦和清醒的生活联系起来。Aiello对此表示赞同，他认为他的算法不会很快导致心理治疗师们失业。他说:“我认为我们的工具是非常有价值的支持，可以帮助梦科学家扩大研究规模，进行分析。”“这并不意味着专家们没有更准确的方法来评估量表，并在量表之外给出解释。”

研究人员还从他们的数据证据中找到了支持连续性假设的证据，即梦是日常生活中发生事情的延续。他们称，梦境报告中包含了各种“统计标记”，反映了做梦者在现实生活中可能经历的事情。

Aiello希望有一天能从更大范围的梦境报告中提供即时的算法洞察力，也许是以移动应用的形式。这将有助于增长数据集，让研究人员更容易得出结论。但他说，做梦者们也可能从中受益。“这对你更好地了解自己的生活和心理来说，可能会很有趣。”

编译/前瞻经济学人APP资讯组

本文来源前瞻网，转载请注明来源。本文内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）