Eshitish orqali qo'zg'atilgan EEG ma'lumotlarining qattiq yangi benchmarki, mashinalar turli odamlar eshitayotgan unlini ishonchli dekodlay olishiga oid dalillar kamligini aniqladi. Hatto eng yaxshi model ham tasodifiy darajadan zo'rg'a o'tdi, va ma'lumotlardagi eng kuchli signal unli emas, balki ishtirokchining shaxsi edi.
Tadqiqot
Tadqiqotchilar Xiaoyang Li va Zeyan Tao (arXiv:2605.00865) EEG yordamida sub'ektga bog'liq bo'lmagan besh unli idrokini dekodlash mumkinligini sinab ko'rishga qaror qilishdi. Ular OpenNeuro dataset ds006104 (2-tadqiqot, undosh-unli juftliklar) ma'lumotlarini qayta tikladilar, sinov identifikatori, model identifikatori, bashorat kelib chiqishi va ishtirokchi darajasidagi xulosalarni qattiq nazorat qilib, yagona oqish-auditli benchmarkda.
Qattiq artefakt rad etishdan so'ng, ular 16 ishtirokchidan 1094 epoxa, 61 EEG kanali va 3840 mustaqil sinovni saqlab qolishdi. Ular leave-one-subject-out test yordamida 13 ta noyob implementatsiyani baholadilar, 33 replika bo'ylab 36,102 sinov bashoratini yaratdilar. Eng yaxshi model, Random Forest, faqat 21.474% muvozanatli aniqlikka erishdi (tasodifiy = 20%), 95% ishtirokchi-bootstrap oralig'i 19.526–23.482% bo'ldi. Kritik jihati, bu model ham, boshqalar ham 13-model oilasi bo'ylab ko'p taqqoslash uchun tuzatishdan omon qolmadi. Chuqur modellar tasodifiy darajada ishladi va ba'zilari yuqori seed-ga bog'liq o'zgaruvchanlikni ko'rsatdi. Deskriptiv sensor-fazoviy tahlil ishtirokchi bilan bog'liq effektlar dispersiyaning 72.24% ini tashkil etishini, unli tovush bilan bog'liq effektlar esa faqat 2.04% ini tashkil etishini aniqladi. Ishtirokchilar o'rtasidagi bir xil unli masofalari, ishtirokchi ichidagi turli unlilar orasidagi masofalardan doimiy ravishda katta edi, bu ma'lumotlar individual farqlar bilan ustunlik qilishini ko'rsatadi. 9,616 qayta moslashtirish (trening kogortalari 3–15 ishtirokchi) bo'yicha eksplorativ MDM tahlili ko'proq trening ma'lumotlari bilan monoton ishlash yaxshilanishini ko'rsatmadi.
Nima uchun bu muhim
Ushbu tadqiqot miya-kompyuter interfeyslari va kognitiv dekodlash uchun haqiqatni tekshirishdir. Bu odamlar o'rtasida ishlaydigan "universal" modellarning qiyinligini ta'kidlaydi, bu amaliy ilovalar uchun markaziy muammodir. O'z kognitiv qobiliyatingiz uchun, bu miya signallari juda individual ekanligini ta'kidlaydi - bir kishi uchun ishlagan narsa boshqasi uchun ishlamasligi mumkin. Shuningdek, ma'lumot oqishidan kelib chiqadigan haddan tashqari optimistik da'volardan qochish uchun qattiq benchmark muhimligini ko'rsatadi.
Siz nima qila olasiz
Yorqin miya dekodlash sarlavhalariga nisbatan qiziqish bilan, lekin tanqidiy yondashing. Kognitiv vositalarni yoki tadqiqotlarni baholashda, o'zaro tekshirish, to'g'ri nazorat guruhlari va takrorlanishni qidiring. Va agar siz o'z miyangizning noyob naqshlarini tushunmoqchi bo'lsangiz, tasdiqlangan IQ testini topshirish yoki sizning natijalaringizga moslashadigan miya mashqlarida qatnashishni o'ylab ko'ring - bu sizning kognitiv kuchli tomonlaringizni o'rganishning amaliy usulidir.
Manba: arXiv q-bio.NC
O'z miyangizga qiziqasizmi? Bepul adaptiv IQ testimizni topshiring yoki 306 ta miya mashqlarini sinab ko'ring.
