Oneiris: An AI-augmented Brain-Computer Interface for Exploring Personal and Collective Dreamscapes
Notice bibliographique
Résumé
Oneiris is an interactive, AI-augmented brain-computer interface installation that explores personal and collective dreamscapes through generative artificial intelligence, real-time electroencephalography (EEG) neurofeedback, and Indigenous symbolic systems. Participants wear a wireless EEG headset and contribute dream narratives and hand-drawn sketches on a digital tablet. These inputs are embedded using Contrastive Language–Image Pre-training (CLIP) and matched to ten Lakota dream symbols, displayed as a floating constellation within a 360° projection space. A diffusion-based AI pipeline simultaneously augments participants’ sketches and texts into continuously evolving “dreamscapes”, whose texture and color palette are modulated in real time by neural markers of hypnagogia and brain complexity. A Medicine Wheel–inspired interface—an Indigenous symbol embodying the cyclical nature of life—provides viewers with intuitive feedback about their cognitive state as they watch the visuals unfold. In parallel, an online companion platform archives dream contributions as nodes in a collective semantic map, enabling thematic clustering and public exploration. By striving to ethically integrate Indigenous epistemologies—particularly Lakota dream symbolism—into a neuroscientific and generative AI framework, Oneiris provides an innovative model for culturally sensitive, participatory art-science collaboration. The installation offers concrete methodologies for engaging with personal dreams as culturally embedded cognitive phenomena, creating spaces for introspection, collective storytelling, and cross-cultural dialogue.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».