AI lär sig tolka hjärnsignaler bättre genom att låta olika mätmetoder träna varandra

arXiv cs.AI

Forskare har byggt en modell kallad CoMA-DiT som förbättrar tolkning av hjärnaktivitet genom att låta två olika typer av hjärndata (till exempel EEG och fMRI) generera träningsexempel för varandra, istället för att bara kombinera dem. På uppgifter som att avgöra vad en person lyssnar på eller vilken känsla de upplever presterade modellen 4–7 procentenheter bättre än utan denna teknik. Det intressanta är egentligen synsättet: parade datakällor behöver inte bara fusioneras – de kan också fungera som varandras lärare.