Traumforschung ist durch ihre Abhängigkeit vom subjektiven verbalen Bericht des Träumers belastet. Wir können nicht unabhängig überprüfen, ob eine Person geträumt hat. Alles, was wir haben, ist sein Bericht, dass er tatsächlich einen Traum hatte. Wenn wir die charakteristischen Gehirnaktivitätsmuster des REM-Schlafs an einer EEG-Maschine sehen, ist unsere Zuversicht, dass diese Person träumt, erhöht, aber niemals absolut sicher. Wenn Menschen aus REM erwacht sind, melden sie nicht immer einen Traum. Dennoch berichten die meisten Menschen meistens einen Traum, wenn sie aus dem REM-Schlaf erwacht sind.
Selbst wenn wir einräumen, dass eine Person wahrscheinlich einen Traum erlebt, wenn sie in den REM-Schlaf eintritt, haben wir keine Ahnung, wovon er träumt. Um herauszufinden, wovon die Leute träumen, müssen wir sie fragen. Wieder einmal sind wir völlig abhängig von subjektiven Berichten, wenn wir Trauminhalte studieren wollen.
Es wäre schön, wenn wir die Person nicht fragen müssten, worum es in ihrem Traum ging. Wenn wir stattdessen den grundlegenden neuronalen Code kennen würden, mit dem das Gehirn den kognitiven Inhalt verarbeitet, könnten wir einfach den in Gehirnaktivitätsmustern angezeigten Code konsultieren und dann den Inhalt des Traums ableiten. Natürlich sind wir weit davon entfernt, den neuralen Code zu entschlüsseln, den das menschliche Gehirn verwendet, um kognitiven Inhalt darzustellen. ABER eine kürzliche Veröffentlichung hat uns einen Schritt näher gebracht, genau das zu tun.
Horikawa et al. (Science, Band 340, 4. April 2013) rekrutierten 3 Freiwillige, um ihre Gehirnaktivität (gemessen durch fMRI und EEG) während des Schlafübergangszustands (S1) zu untersuchen, wenn viele Menschen hypnagoge Halluzinationen erleiden. Als die Freiwilligen in diesen S1-Zustand übergingen, wurden sie geweckt und berichteten mündlich über ihre visuelle Erfahrung während des Schlafes. fMRI-Aktivitätsmuster wurden als Eingabe in ein Computersimulationsprogramm verwendet, das die fMRI-Muster als Code für Wörter behandelte, die visuelle Objekte darstellen. Diese visuellen Objektcodes wurden mit Wörtern beschriftet, die von der verbalen Beschreibung seiner visuellen Erfahrung während des Schlafes abgeleitet wurden. Wenn zum Beispiel die Person berichtet, dass sie ein rotes Haus gesehen hat, während die fMRI ein Muster X im visuellen Kortex zeigte, dann hat die Maschine gelernt, dass das Muster X oder ein Muster ähnlich X immer "rotes Haus" anzeigt.
Sobald die Maschine eine große Anzahl dieser Muster-Objekt-Assoziationen erlernt hatte, konnte sie vorhersagen, was das Subjekt während des Schlafes gesehen hatte, nur auf fMRI-Mustern basierend. Die Forscher mussten das Subjekt nicht bitten, seine visuelle Erfahrung zu melden. Die Maschine könnte dies tun (mindestens 60% der Zeit), wenn die aktuellen fMRI-Muster mit denen in ihrem Repertoire von gelernten Bild-Objekt-Paarungen übereinstimmen.
Es gibt mehrere wichtige Implikationen und Fragen für die Traumforschung … Erstens, als Horikawas Freiwillige bestätigten, dass die Maschine in ihren Vorhersagen über das, was sie im Schlaf sahen, weitgehend korrekt war, bedeutete dies, dass wir schließlich in der Lage sein werden, neuroimaging Aufzeichnungen von Schlafzuständen zu betrachten und in der Lage zu sagen, wovon die Leute träumen.
Wenn wir uns eines Tages Tausende dieser Bilder von einer großen Gruppe von Probanden ansehen und dann eine Zusammenfassung dessen zusammenstellen, wovon diese Menschen träumen, können wir dann die zugehörigen Traumberichte von diesen Personen sammeln und die Berichte mit den Neuroimaging-Aufzeichnungen vergleichen . Wenn dieser Vergleich gut zusammenpasst (jenseits dessen, was Sie aufgrund des Zufalls erwarten würden), können wir den mündlichen Berichten der Menschen bezüglich ihres Trauminhalts leichter vertrauen. Wir können zunehmend darauf vertrauen, dass die Berichte der Menschen über ihre Träume in der Regel nicht trügerisch, wahr oder falsch sind.
Zweitens werden wir in der Lage sein, Menschen mit schmerzhaften Traumerkrankungen (wie sich wiederholende Albträume) effektiver zu behandeln, wenn wir unser Wissen über die Auswirkungen von Träumen auf das Wachverhalten erweitern. Wenn beispielsweise das Monster X immer mit dem fMRI-Muster Y erscheint und das Medikament z das Muster Y aus der fMRT löscht und der Patient nach der Behandlung eine Erleichterung meldet, können wir daraus schließen, dass dieses Traumbild und sein zugeordnetes Gehirnmuster tatsächlich den Distress verursacht haben.
Drittens kann die maschinelle Analyse dieser Traumbilder verwendet werden, um Wachverhaltensmuster vorherzusagen, wenn die Traumwissenschaft bestimmte wiederkehrende Trauminhaltsbilder als starke Prädiktoren wacher Verhaltensmuster identifiziert.
Viertens wird es faszinierend sein, Hirnsignaturen für wiederkehrende Traumbilder mit ihren wachen Gegenstücken zu vergleichen. Erfordert ein rotes Haus in einem Traum die gleiche neurale Signatur wie ein rotes Haus im Wachzustand? Horikawas Ergebnisse deuten darauf hin, dass die Antwort Ja ist, aber das ist vielleicht nicht der Fall, wenn wir uns von dem Katalog einfacher visueller Bilder entfernen, die in Horikawas Fächern studiert wurden.
Fünftens betrifft der interessante Inhalt von Träumen meistens Emotionen. Emotionen sind mit neuronalen Signaturen assoziiert. Kann die Maschine lernen, emotionale Inhalte von Träumen basierend auf neuronalen Signaturen vorherzusagen?