Acum poți transforma căști EEG ieftine în scanere cerebrale de laborator. Și este open-source. ZUNA este un model de bază cu 380M parametri care reconstruiește semnalele cerebrale lipsă din date EEG parțiale. Funcționează pe orice configurație de electrozi, de la căști pentru consumatori până la sisteme de cercetare cu 256 de canale, fără a fi reantrenat. Îți permite: - Reconstruirea canalelor EEG lipsă din date rare - Semnale corupte de dezgomot - Prezicerea canalelor noi doar din coordonatele electrozilor - Gestionarea aranjamentelor arbitrare a electrozilor Modelul folosește un autoencoder de difuzie cu o coloană vertebrală de transformator. A fost antrenat pe 2 milioane de ore-canal în 208 seturi de date folosind antrenament cu difuzie mascată și încorporații spațiale 4D. Acest lucru permite modelului să înțeleagă geometria fizică a plasării electrozilor. Fiecare semnal de canal este comprimat în tokeni, apoi modelul codifică pozițiile x, y, z plus timpul în componente separate de atenție. Datele EEG au rămas blocate într-o eră pre-fondație. Seturile de date sunt mici, fragmentate între instituții, colectate prin protocoale diferite. Soluția standard pentru canalele lipsă este interpolarea spline-urilor sferice, practic netezirea spațială. Funcționează bine când câteva canale se întrerup, dar se destramă când pierzi mai mult de 75% din date. ZUNA depășește această bază învățând tipare reale de activitate cerebrală, nu doar netezind între puncte. Diferența se mărește dramatic la rate mari de abandon, exact acolo unde ai cea mai mare nevoie. Gândirea-a-text se poziționează ca următoarea mare modalitate AI după limbaj, viziune și audio. Dar nu poți construi acel viitor pe date care sunt aruncate la gunoi pentru că câțiva electrozi au cedat. Modelul este complet open source sub Apache 2.0, rulează pe plăci video pentru consumatori și funcționează pe CPU pentru multe sarcini.