综述：认知科学视角下的梦境研究新策略

通讯作者：mallett.remy@gmail.com

长期以来，梦一直激发着人类的好奇心，但这一领域的实证研究始终面临着重大的方法论挑战。近年来，跨学科的进展为研究梦开辟了新的机遇。本综述将这些进展整合为三个方法论框架，并阐述它们如何克服梦研究中的历史性障碍。第一，可观察的梦——神经解码与实时报告提供了对梦内容更直接的测量手段。第二，梦的工程化——靶向刺激与清醒梦提供了通过实验操纵梦内容的途径。第三，计算化的梦分析——大型梦报告数据库的生成与探索为识别梦内容中的模式提供了强有力的途径。通过使研究者能够系统地观察、工程化和分析梦，这些创新预示着梦科学新时代的到来。

关键词：睡眠、梦、记忆、神经科学、自然语言处理

思维与感知贯穿整个24小时周期，但其神经认知特征的剧烈变化导致睡眠中的思维与清醒时的思维之间存在根本性的分离。尽管过去数十年间我们对清醒心智的理解取得了显著进展，对梦的实证研究却依然不透明且充满挑战。是什么决定了梦的内容？梦是否具有一种或多种功能？哪些神经过程产生了梦？梦是否影响健康？这些以及其他关键问题在很大程度上仍未得到解答，主要归因于方法学上的局限。

科学地理解梦的前景面临各种挑战。与其他任何人类意识体验的研究一样，梦研究必须应对客观观察梦体验的困难，而梦内容看似混乱的结构更加剧了这一困难。然而，梦的实证科学远非徒劳。在此，我们总结了研究梦的历史局限，以及近期在方法学上的进展——这些进展有望克服其中许多局限，并开创梦科学的新时代（图1，关键图）。

目前有三类方法学进展丰富了梦科学。可观察的梦（左）包括神经解码、实时梦报告和互动式做梦等方法，为梦提供了新的观察窗口，并摆脱了对醒后梦回忆的单一依赖。梦的工程化（中）包括感觉刺激和清醒梦等改变梦内容的方法，使得设计对照研究成为可能——在此类研究中，治疗组在梦内容上存在差异，而在睡眠中呈现线索之前不存在混淆性差异。计算化的梦分析（右）通过将梦视为“在自然环境中”的现象来补充上述方法，脱离了人为的实验室限制。大数据来源克服了个体差异，机器学习工具克服了评分者的主观偏差，而随时间追踪人群梦的能力（例如在疫情期间）改善了对清醒事件如何影响梦的研究。

脑电图（EEG）的发展及随后对快速眼动（REM）睡眠的发现（见术语表）导致了20世纪50年代中期至60年代梦相关出版物的大量涌现[1]。在这一时期，做梦主要与REM睡眠相关联[2]，强化了行为主义对客观测量的关注，并支持了将做梦专门与REM睡眠绑定的定义。然而，系列唤醒范式[3,4]等体验采样方法的引入拓宽了我们的理解，揭示了更广泛的睡眠相关心理活动谱系，超越了传统的叙事性梦。这种同时接纳客观测量与主观睡眠体验的范式转变，映射了认知科学中更广泛的变革，并揭示了对做梦更为细致入微的理解——认识到不同睡眠状态及整夜过程中体验的多样性。

这一转变推动了旨在区分各种睡眠体验的理论进展，影响了梦的分类学的发展——这是迈向统一的梦理论的关键一步。例如，一个著名的概念模型区分了叙事性梦（模拟真实世界的时空环境）与其他不符合梦之标准的微小睡眠体验，如入睡前意象[5,6]。因此，尽管睡眠被普遍认为是做梦的必要条件，但仅凭睡眠本身并不总是充分条件。

尽管存在这些复杂性，本综述所强调的方法在很大程度上对梦体验的具体性质保持不可知论的态度。相反，它们旨在观察、操纵和量化睡眠期间所有类型的体验。这些方法对于推进此类理论框架并随后检验由此衍生的假设至关重要。因此，就本综述而言，我们将做梦宽泛地定义为睡眠期间的任何意识体验[7,8]。这涵盖了从详细的叙事性梦到基本的知觉思维的一切，其背景是将睡眠本身定义为具有独特电生理特征的可逆性行为静息状态[9]。这一定义具有包容性，通过支持梦科学中实证进展与理论进展之间的持续辩证关系，促进了对做梦理解的进一步探索与完善。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）