本文4200字左右，建议阅读7分钟。
本文将带您了解如何使用AI算法来解释梦境，以帮助心理学家快速识别患者的潜在压力源和心理健康问题。
几百年前的爱尔兰。有一对彼此相爱的夫妇。丈夫的头发是浅棕红色的卷曲，妻子的头发也是卷曲的。他们是牧羊人，靠用羊毛织布为生。妻子甚至把还在羊背上的羊毛直接织成布。这个冬天对绵羊来说非常温暖，因为新的羊毛从附着在皮肤上的编织羊毛下面生长出来。然后，几个富人出现，抢走了他们的土地，砍掉了男人的腿。
上文描述了一个三十岁女艺人的梦境，下图显示了这个梦境报告的评价结果。结果显示，这个梦的属性是想象的、消极的、男性的和侵略性的，并被归类为噩梦（红色）。
你可能认为这是解梦者给出的判断，但实际上，它是一种AI算法，为女艺术家解读梦境。在
最近发表在《皇家社会科学学会》杂志上的一项研究中，来自诺基亚贝尔实验室和罗马大学的三位研究人员使用人工智能算法分析了数千个梦，称人工智能可以识别和量化梦的特征、它们的相互关系以及梦中反映的情绪，帮助心理学家快速识别患者潜在的压力源和心理健康问题。
这篇文章也在网站上推荐
例如，十几岁的女孩伊兹（Izzy）描述了她的梦想：“我在家里，那个愚蠢的Tunes节目中可怕的红色怪物正在走来走去。
人工智能给出的判断是消极的、侵略性的，并被归类为噩梦，如下图所示。结合伊兹的年龄，这个梦很可能是她青春期焦虑的表现，反映了她日常的焦虑。
梦解释的基础：连续性假说
从历史上看，人们试图从梦中提取隐藏的意义。古巴比伦人相信梦包含预言，而古埃及人则认为梦是众神传达的信息。在1890年代，西格蒙德·弗洛伊德（ Freud）为梦中的人物，物体和场景赋予了象征意义。
今天，大多数心理学家支持“连续性假说”，该假说认为梦是清醒生命的延续。在文章开头的梦境中，我们也可以看到，女艺术家的梦境体现了审美观念。事实上，许多研究表明，梦通常反映日常生活，可以充当夜间治疗师，帮助人们处理他们的思想并为现实生活中的问题做好准备。
诺基亚贝尔实验室的计算社会科学家、该研究的合著者卢卡·玛丽亚（Luca Maria）说：“如果我们能够更好地理解大规模的梦境，也许将来我们可以定制技术来改善清醒的生活。
然而，梦
境分析对于心理学家来说是一项耗时的任务，他们必须将梦日记提取到其组成部分中并搜索主题和模式。为了加快这个过程，我构建了一个算法，可以自动分析整理的24，000多份梦境报告。
使用心理学中常用的编码系统，该算法计算每个梦的一系列分数：例如，角色的平均攻击性，或负面情绪与积极情绪的比例。当研究人员将该算法计算的分数与心理学家计算的分数进行比较时，他们发现匹配率高达76%。
研究人员表示，该系统可以帮助心理学家快速识别可能表明压力源或潜在心理健康问题的异常梦境。通过将每个梦的分数与没有身体或精神疾病报告的人的梦得分平均值进行比较，该算法可以识别异常梦境。
该算法还使研究人员能够根据性别、年龄或精神病状态分析梦境的差异。Izzy有13年的梦境日记，在青春期初期，这段时间经常出现负面情绪，这往往与社交焦虑有关。
当我到达学校时，见我。她给了我一些我在包里找到的纸片，一张是我对迪伦·莫兰的爱，另一张是我对达里尔的爱。我真的很害怕，我告诉她不要告诉任何人。她在说话，我很担心。
这也是伊兹的梦，AI
判断这个梦是男性的，象征着友谊，部分女性化，负面情绪，但有趣的是，AI也将其归类为美丽的梦。
同样，越南被诊断患有创伤后应激障碍的退伍军人报告说，他们的梦中表现出高于平均水平的攻击性。
作为越南战争的见证人，我相信战争总是离我不远。我躺在双层床上，整理别人的东西。这个人显然已经死了人物类解梦，他收集了一些邮票。当我翻阅一本小相册时，我看到了许多我小时候收集的美国航空邮票。突然，附近的一名男子中弹倒下。我看到子弹飞过，打在他附近的泥水里。两名身穿红白条纹连衣裙的护士向他伸出手人物类解梦，完全背对着敌人。我对他们的勇敢或愚蠢感到惊讶，一名护士照顾了这个受了致命伤的人。
这位越南战争老兵的梦显然具有攻击性，人工智能将它们判断为想象的、消极的情绪和攻击性的，将它们归类为噩梦。
“梦不仅告诉我们
当天的经历，还告诉我们我们是谁，”梦报告中的模式说，这些模式往往反映了日常生活中的模式，从而支持连续性假设。
哈佛大学的一位睡眠精神病学家说，这项研究是在梦中使用自动文本分析的“很好的例子”。但他警告说，不同人群之间梦境结果的明显差异实际上可能源于报告的差异。例如，女性不一定在梦中体验到比男性更多的情绪，但她们可能会用更多充满情感的词语来描述梦境。“我们对梦境报告之间差距的估计可能更为保守，”他说。"
他还指出，如果不了解做梦者，就很难将梦境与清醒的生活联系起来。同意了，他不认为他的算法会很快让治疗师失业。他说：“我认为这种算法为梦想科学家扩大研究规模提供了非常有价值的支持。这并不意味着专家没有更准确的方法来评估梦境。"
比起普通人积极的中产阶级梦想，对于这位越南战老兵来说，一个平静的下午是难得的。我
和我心爱的狗Rusty在乡下散步。和往常一样，我没有给她戴项圈，她很高兴，尽管有点紧张。我们继续步行到达一个富裕的住宅区。它安全而安静，周围环绕着绿色植物。我穿着蓝色牛仔裤，安心地走路。Rusty像她习惯的那样嬉戏。我们到达了一家关闭的商店。我溺爱她，她把胳膊放在我的身上。我感到强烈的幸福感。事实上，爱的感觉是我很长一段时间以来最深的感受。
不幸的是，AI正确地将其归类为甜蜜的梦，但只发现了“动物”的特征。目前，AI只能通过关键词标签来判断梦境特征，却无法理解背后的“故事”。
希望有朝一日能以移动应用程序的形式从更大规模的梦想报告中提供即时算法见解。这将有助于增加数据集，使研究人员更容易得出结论。但他说，做梦者自己也可能受益。“更好地了解自己的生活和心理会很有用。
五个假设说明了现实与梦想之间的关系
如
前面提到的，最近发表在《皇家社会科学学会》杂志上的这项研究是由诺基亚贝尔实验室和罗马大学的三名研究人员完成的。
在论文中，作者设计了一种新的自然语言处理算法，并用它来自动分析数据库中的24，000多个梦。
具体来说，
算法可以将梦中的语言分解成更小的片段，将段落变成单词，然后制作树形图，通过一定的语法规则帮助人们理解梦中单词和句子之间的关系。该算法还可以逐字逐句地对词之间的关系进行分类，并将其与积极或消极的情绪联系起来。
在具体算法设计过程中，笔者研究了五个因素：1.性别差异;2.青春期的年轻人;3.战争;4.失明;5.日常暴力。然后基于这五个因素给出了五个假设，整篇论文都在努力使用人工智能来证明这五个假设：
基于组件的 NLP 分析
在论文中，作者使用了霍尔和范德城堡
梦境编码系统，摘自The Of，霍尔和范德城堡系统将梦分为10类：
1.人：人、动物或其他特征
2.互动：人物之间的社交互动（如接吻）。
3.情绪：人物经历的情绪或表明某种情况（如悲伤）的情绪;
4.活动：角色进行的身体动作和感官体验（如嗅觉）;
5、奋斗：主角的成败;
6.（错误）命运：由于主角的行为，主角身上发生了运气和不幸;
7.设置和对象：物理环境或场景中存在的物体（如户外，武器）;
8.描述性元素：物体、人物和动作的属性和质量（如颜色、大小、速度）;
9.食物和进食：食物的存在或进食行为;
10、过去的元素：与主角过去相关的人物或元素（如年轻的自己）;
当然，以上10个要素并不是同等重要的，有三类：人、社交、情绪是最有价值的。因为这三个因素包括：谁在场，采取了什么行动，表达了什么情绪以及其他信息。作者还专注于根据反映这三个类别的度量对每个梦境报告进行编码。编码结果如下：
利用这三个指标，作者随后设计了算法来分析来自一个名为Dream Bank的大型公共梦境报告数据库（由经过验证的研究收集的梦的公共数据库）的24，000份梦境报告。
算法工具在梦境报告示例中的应用。
整个算法的分析过程是：1.通过构造动词（VBD）和名词（NN，NNP）树来解释梦境。然后使用两个外部知识库，使算法能够识别名词中的人、动物和虚构人物;3、根据性别、是否死亡、是否虚构对人物进行分类;4. 识别表示友好、攻击性和性互动的动词;5.根据每个动词的两个动作（动词前的名词和动词后的名词）是否可识别，判断每个动词是否反映了“互动”场景;6.以及识别积极和消极情绪词的使用。
在具体的自然语言技术方面，算法主要基于组件的分析。也就是说，梦境报告文本被分解成几个部分，然后可以独立分析。这里的组件是指表示为连贯单元的短语，这些单元属于短语类别（例如名词短语、动词短语）或词汇类别（例如名词、动词、形容词、连词、副词）。
然后将“组成成分”在单个单词的层面上反复划分为“子成分”。这个过程的结果是一个分析树，即树状图，树的根是首句，节点是组件和子组件，叶子是单个单词。
成分被迭代地分成子组件，向下扩展到单个单词的级别。该过程的结果是一个解析树，即树状图，根是初始句子，边缘是反映英语语法结构的生成规则（例如，根据主谓划分拆分完整的句子），节点是组件和子组件，叶子是单个单词。
在所有公开可用的基于组件的分析技术中，作者的算法包含来自NLTK工具包的解析器，该解析器是基于概率上下文无关语法的解析器。该工具输出解析树，并使用相应的词汇或短语类别注释节点和叶子。
构建树后，通过在 NLTK 中应用形态函数，该工具将叶子中包含的所有单词转换为相应的术语（例如，它将 “” 转换为 “dream”）。
通过
编辑：于腾凯
校对：林亦霖
