Une IA pour analyser les rêves

Les requêtes de recherche Google et les publications sur les réseaux sociaux permettent d’analyser les idées, les préoccupations et les attentes de millions de personnes dans le monde. En utilisant les bons robots de scraping Web et les analyses de données volumineuses, tout le monde, des spécialistes du marketing aux spécialistes des sciences sociales, peut analyser ces informations et les utiliser pour tirer des conclusions sur ce que pensent des populations massives d’utilisateurs.

Est-ce que A.I. l’analyse de nos rêves aide à faire la même chose? C’est un concept audacieux, quoique intrigant, et c’est un concept que les chercheurs de Nokia Bell Labs à Cambridge, au Royaume-Uni, se sont occupés d’explorer. Ils ont créé un outil appelé «Dreamcatcher» qui peut, selon eux, utiliser les derniers algorithmes de traitement du langage naturel (NLP) pour identifier les thèmes de milliers de rapports de rêves écrits.

Dreamcatcher est basé sur une approche de l’analyse des rêves appelée hypothèse de continuité. Cette hypothèse, qui est étayée par des preuves solides issues de décennies de recherche sur les rêves, suggère que nos rêves sont des reflets des préoccupations et des idées quotidiennes des rêveurs.

Cela peut sembler du bon sens. Mais c’est une manière très différente de penser les rêves que les interprétations plus complexes avancées par des théoriciens comme Freud et Jung, qui considéraient les rêves comme des fenêtres sur des désirs libidinaux cachés et d’autres processus de pensée généralement obscurcis.

L’analyseur automatique de rêves
Le A.I. outil – dont Luca Aiello, chercheur principal chez Nokia Bell Labs, a déclaré que Digital Trends est un «analyseur automatique de rêves» – analyse la description écrite des rêves, puis les note selon un inventaire d’analyse des rêves établi appelé l’échelle Hall-Van De Castle .

«Cet inventaire consiste en un ensemble de scores qui mesurent à quel point les différents éléments présentés dans le rêve sont plus ou moins fréquents que certaines valeurs normatives établies par des recherches antérieures sur les rêves», a déclaré Aiello. «Ces éléments comprennent, par exemple, les émotions positives ou négatives, les interactions agressives entre les personnages, la présence de personnages imaginaires, et cetera. L’échelle, en soi, ne fournit pas une interprétation du rêve, mais elle aide à quantifier les aspects intéressants ou anormaux en eux.

Edyta Bogucka
Les rapports de rêve écrits provenaient d’une archive de 24 000 enregistrements de ce type, tirés de DreamBank, la plus grande collection publique de rapports de rêves en anglais encore disponible. L’algorithme de l’équipe est capable de séparer ces rapports et de les réassembler d’une manière qui a du sens pour le système – par exemple, en triant les références dans des catégories telles que «êtres imaginaires», «amis», «personnages masculins», «personnages féminins» etc. Il peut ensuite catégoriser davantage ces catégories en les filtrant en groupes comme «agressif», «amical», «sexuel» pour indiquer différents types d’interaction.

En notant la personne qui enregistre le rêve et son contenu, les chercheurs peuvent découvrir des liens intéressants. Un document écrit pourrait être quelque chose comme: «J’étais dans une maison. Ezra et un ami étaient sur le ordinateur. Cette chose de licorne a continué à courir vers moi quand j’ai ouvert une porte. Il y avait d’autres créatures étranges là-bas et d’autres comme des poulets. Ils ont continué d’essayer de m’attaquer. L’outil Dreamcatcher peut commencer par cette description et extraire automatiquement diverses informations; le classant finalement sous «Préoccupations et activités des adolescents». (Le rêve a été, en fait, enregistré par Izzy, une «écolière adolescente».)
Interface utilisateur de Dreamcatcher
Aiello a déclaré que certaines de ces idées sont attendues, tandis que d’autres révèlent des pistes surprenantes d’enquête future possible. «Par exemple, les rêves d’une adolescente étaient caractérisés par une fréquence croissante d’interactions sexuelles à mesure qu’elle approchait de sa vie d’adulte», a déclaré Aiello. « Plus surprenant, nous avons constaté que les rêves des personnes aveugles comportent plus de personnages imaginaires que la norme, ce qui suggère que nos sens influencent la façon dont nous rêvons. »

Ce type d’analyse est quelque chose que les psychologues qui examinent ces données pourraient également faire – bien que loin d’être aussi rapide qu’un A.I. outil. «Il est passionnant de constater la capacité croissante de la PNL à saisir des aspects de plus en plus complexes et intangibles du langage», a déclaré Aiello. «Cependant, il est encore plus excitant de penser que grâce à ces techniques, nous avons acquis la capacité d’effectuer une analyse des rêves à très grande échelle, ce qui serait impossible grâce au processus fastidieux d’annotation manuelle des rêves.

De doux rêves sont faits de ces
En comparant le système Dreamcatcher aux scores calculés par des psychologues, le A.I. l’algorithme correspondait 76% du temps. Cela suggère que de nouvelles améliorations pourraient être apportées. Néanmoins, c’est un bon début. Aiello – avec ses collègues chercheurs Alessandro Fogli et Daniele Quercia – estiment que le produit fini pourrait avoir de profondes applications.

«Alors que de plus en plus de personnes se portent volontaires pour partager leurs rêves, nous envisageons la possibilité d’analyser les rêves de toute une population – même de tout un pays – pour surveiller son bien-être psychologique au fil du temps»

On pourrait être pour quelque chose comme une application de suivi de l’humeur qui demande aux utilisateurs d’enregistrer leurs rêves, puis extrait des images récurrentes sur une certaine durée. Aiello a déclaré qu’un tel outil pourrait faire du reportage quotidien sur les rêves une habitude pour les gens; en les récompensant avec une analyse des rêves à la volée.

Cependant, le concept le plus intrigant est celui décrit au début de cet article: une sorte de projet de suivi des rêves à grande échelle qui pourrait cartographier les rêves du monde sur des événements réels pour voir comment l’un informe l’autre. Comme pour tant d’autres formes d’analyse de données volumineuses, cela deviendrait plus utile – et captivant – plus il était combiné et croisé avec d’autres données du monde réel.

«Alors que de plus en plus de personnes se portent volontaires pour partager leurs rêves, nous envisageons la possibilité d’analyser les rêves de toute une population – même de tout un pays – pour surveiller son bien-être psychologique au fil du temps», a déclaré Aiello. «De toute évidence, cela ne serait possible qu’avec l’utilisation d’outils automatisés comme le nôtre qui rendent l’analyse des rêves réalisable à grande échelle. Ce cette opportunité serait particulièrement convaincante à la suite des défis mondiaux qui ont un impact sur la psyché de chacun. Aujourd’hui, c’est COVID, l’année prochaine ce sera probablement la crise économique, et dans trois ou quatre ans, ce pourrait être le réchauffement climatique. « 

Agence SEO Lille

Vous pouvez aider l’IA d’un Robot pour Mars à à distinguer les roches de la poussière

Vous pouvez aider l’IA d’un Robot pour Mars à à distinguer les roches de la poussière

Mars Rover Curiosity est sur la planète rouge depuis huit ans, référencement Google Lille mais son voyage est loin d’être terminé – et il reçoit toujours des mises à niveau. Vous pouvez l’aider en passant quelques minutes à étiqueter des données brutes pour alimenter son IA à balayage de terrain.

La curiosité ne navigue pas seule; il y a toute une équipe de personnes sur Terre qui analysent les images revenant de Mars et tracent une voie à suivre pour le laboratoire scientifique mobile. Pour ce faire, cependant, ils doivent examiner attentivement l’imagerie pour comprendre exactement où se trouvent les roches, le sol, le sable et d’autres caractéristiques.

C’est exactement le type de tâche dans laquelle les systèmes d’apprentissage automatique sont bons: vous leur donnez beaucoup d’images avec les caractéristiques saillantes clairement étiquetées, et ils apprennent à trouver des fonctionnalités similaires dans des images sans étiquette.

Le problème est que, bien qu’il existe de nombreux ensembles d’images prédéfinis avec des visages, des chats et des voitures étiquetés, il n’y a pas beaucoup de surfaces martiennes annotées avec différents types de terrain.

« Typiquement, des centaines de milliers d’exemples sont nécessaires pour former un algorithme d’apprentissage en profondeur. Les algorithmes pour les voitures autonomes, par exemple, sont formés avec de nombreuses images de routes, de panneaux, de feux de circulation, de piétons et d’autres véhicules. D’autres ensembles de données publiques pour l’apprentissage en profondeur contiennent des personnes, des animaux et des bâtiments – mais pas de paysages martiens », a déclaré le chercheur de la NASA / JPL AI Hiro Ono dans un communiqué de presse.

Pour être précis, ils ont déjà un algorithme, appelé Classification des propriétés et des objets du sol, ou SPOC, mais demandent de l’aide pour l’améliorer.

L’agence a téléchargé sur Zooniverse des milliers d’images de Mars, et n’importe qui peut prendre quelques minutes pour les annoter – après avoir lu le didacticiel, bien sûr. Cela peut ne pas sembler si difficile de dessiner des formes autour des rochers, des étendues sablonneuses, etc., mais vous pouvez, comme moi, avoir immédiatement des problèmes. Est-ce un «gros rocher» ou un «substrat rocheux»? Est-ce plus de 50 centimètres de large? Comment est-il grand?

Jusqu’à présent, le projet a étiqueté environ la moitié des près de 9000 images qu’il souhaite réaliser (avec peut-être d’autres à venir), et vous pouvez les aider à atteindre cet objectif si vous avez quelques minutes à perdre – aucun engagement requis. Le site est maintenant disponible en anglais, avec des traductions en espagnol, hindi, japonais et autres.

Les améliorations apportées à l’IA pourraient permettre au rover de dire non seulement où il peut conduire, mais également la probabilité de perte de traction et d’autres facteurs qui pourraient influer sur le placement des roues individuelles. Cela facilite également la tâche de l’équipe qui planifie les mouvements de Curiosity, car s’ils sont confiants dans les classifications de SPOC, ils n’auront pas à passer autant de temps à fouiller les images pour les revérifier.