Nyní můžete levné EEG headsety proměnit v laboratorní mozkové skenery. A je open-source. ZUNA je základní model s 380 metry parametrů, který rekonstruuje chybějící mozkové signály z částečných EEG dat. Funguje napříč jakýmkoli elektrodovým nastavením, od spotřebitelských headsetů po 256kanálové výzkumné systémy, bez nutnosti přeškolování. Umožňuje vám: - Rekonstruovat chybějící EEG kanály z řídkých dat - Signály poškozené odšumováním - Predikci nových kanálů pouze z elektrodových souřadnic - Manipulace s libovolným rozložením elektrod Model používá difuzní autoenkodér s páteří transformátoru. Byl trénován na 2 milionech kanálových hodin napříč 208 datasety pomocí maskovaného difuzního tréninku a 4D prostorových embeddingů. To umožňuje modelu pochopit fyzikální geometrii umístění elektrod. Každý kanálový signál je komprimován do tokenů, poté model kóduje pozice x, y, z plus čas do samostatných komponent pozornosti. Data z EEG jsou uvězněna v éře předzaložených modelů. Datové sady jsou malé, roztříštěné napříč institucemi, sbírané podle různých protokolů. Standardní opravou chybějících kanálů je sférická interpolace spline, v podstatě prostorové vyhlazování. Funguje to dobře, když pár kanálů vypadne, ale rozpadne se, když ztratíte více než 75 % dat. ZUNA tuto základní úroveň překonává tím, že se učí skutečné vzorce mozkové aktivity místo pouhého vyhlazování mezi body. Rozdíl se dramaticky zvětšuje při vysoké míře odchodů ze školy, přesně tam, kde to nejvíce potřebujete. Myšlenkový převod na text se staví do pozice další významné AI modality po jazyce, zraku a sluchu. Ale takovou budoucnost nelze postavit na datech, která jsou vyhozena kvůli selhání několika elektrod. Model je plně open source pod Apache 2.0, běží na spotřebitelských GPU a pracuje na CPU pro mnoho úkolů.