طور باحثو شركة أبل تقنية مبتكرة لتدريب نماذج الذكاء الاصطناعي على فهم جانب محدد من النشاط الكهربائي للدماغ دون الحاجة إلى بيانات موسومة يدويًا.
تحمل التقنية اسم “PAirwise Relative Shift” أو اختصارًا (PARS)، وقد تم تفصيلها في دراسة حديثة للباحثين. وعلى الرغم من أن الدراسة لم تربط التقنية مباشرة بسماعات آيربودز، فإنها تفتح الباب أمام تطبيقات مستقبلية لأجهزة قابلة للارتداء لفهم إشارات الدماغ.
تعتمد تقنية “PARS” على التعلم الذاتي الإشراف، حيث يتعلم نموذج الذكاء الاصطناعي تمثيل إشارات تخطيط كهربية الدماغ باستخدام بيانات غير موسومة، ما يقلل الحاجة إلى البيانات المشروحة المكلفة، كما هو الحال في التطبيقات السريرية مثل تحديد مراحل النوم واكتشاف النوبات.
وفي المقابل، تعتمد النماذج الحالية بشكل كبير على بيانات موسومة يدويًا لتحديد مراحل النوم (الاستيقاظ، النوم الحالم، النوم غير الحالم بمراحله الثلاث) أو مواقع بداية ونهاية نوبات الصرع.
وتتيح تقنية “PARS” للنموذج التعلم بشكل مستقل للتنبؤ بالفواصل الزمنية بين مقاطع النشاط الدماغي المختلفة اعتمادًا على البيانات الخام غير الموسومة. أي أن النموذج لا يركز فقط على ملء الفجوات الصغيرة في الإشارات، بل يتعلم البنية العامة للنشاط الدماغي.
وأظهرت النتائج الأولية تفوق النموذج المدرب بتقنية “PARS” أو مساواته لأداء الطرق التقليدية في ثلاثة من أصل أربعة مؤشرات معيارية لاختبارات إشارات تخطيط الدماغ، ما يشير إلى إمكانية الاستفادة من التعلم الذاتي الإشراف لتحسين أداء تحليل إشارات الدماغ في مجموعة متنوعة من المهام.