Японские нейробиологи научились предугадывать визуальное содержание сновидений на основе данных функциональной томографии. Результаты своей работы ученые доложили на нейробиологической конференции в Новом Орлеане. Эксперименты проводились блоками по три часа в течение нескольких недель. Добровольцев помещали в томограф, где они должны были заснуть. Как только в мозге участников эксперимента начинала возникать характерная для начала сна электрическая активность, их будили и расспрашивали о содержании сновидения. В течение часа проводилось шесть-семь таких циклов засыпания и пробуждения, а всего каждый из добровольцев рассказал о содержании своих снов около 200 раз.
Из вербальных сообщений участников эксперимента ученые выделяли 20 ключевых слов, которые встречались в их сновидениях наиболее часто (например "автомобиль" или "мужчина"). Затем добровольцам демонстрировали соответствующие изображения уже наяву и одновременно записывали возникающую мозговую активность. Ученые сравнивали характерные паттерны возбуждения в визуальных областях мозга, сопровождающие возникновение образов во сне и при их рассматривании наяву.
В итоге исследователи научились на основе электрической активности мозга угадывать те образы, которые видели добровольцы во время сновидения. "Анализируя мозговую активность в течение девяти секунд перед пробуждением, мы, например, могли предсказать с вероятностью 75-80%, присутствует ли в сновидении мужчина " — говорят ученые. Интересно, что характерные ключевые метки активности авторы наблюдали в областях мозга, работающих на высоком уровне распознавания образов. Эти зоны отвечают не за выделение границ, цвета или движения, а за "угадывание" объекта.
Отметим, что ранее, в 2008 году эта же группа исследователей смогла расшифровать работу зон первичного визуального анализа и восстановить на основе ее активности исходное изображение. Это позволило ученым воспроизвести изображение, которое видели добровольцы, используя только данные томографа. В 2011 году их работу продолжили американские исследователи, которые научились восстанавливать демонстрируемое добровольцам видео.
