苹果研究人员的一项新研究提出了一种方法，让人工智能模型无需任何标注数据即可学习脑电活动结构的一个方面。具体内容如下。
成对相对偏移
在一项名为“使用成对相对偏移预训练学习脑电图信号的相对组成”的新研究中，苹果引入了PARS，即“成对相对偏移”的缩写。
目前的模型严重依赖人工标注的脑活动数据，以指示哪些片段对应于清醒、快速眼动睡眠、非快速眼动睡眠1期、2期和3期等睡眠阶段，以及癫痫事件的开始和结束位置等等。
简而言之，苹果所做的是让一个模型根据原始的、未标注的数据，自我学习预测不同脑活动片段在时间上的间隔距离。
研究引述：
“自监督学习为从未标注数据中学习脑电图表征提供了一种有前景的方法，减少了睡眠分期和癫痫检测等临床应用对昂贵标注的需求。虽然当前的脑电图自监督学习方法主要使用像掩码自编码器这样的掩码重建策略来捕获局部时间模式，但位置预测预训练尽管有潜力学习神经信号中的长程依赖关系，却仍未得到充分探索。我们引入了成对相对偏移预训练，这是一种新颖的代理任务，用于预测随机采样的脑电图窗口对之间的相对时间偏移。与专注于局部模式重建的基于重建的方法不同，PARS鼓励编码器捕获神经信号中固有的相对时间组成和长程依赖关系。通过对各种脑电图解码任务的综合评估，我们证明，在标签效率和迁移学习设置中，经过PARS预训练的变换器模型 consistently 优于现有的预训练策略，为自监督脑电图表征学习建立了新范式。”
换句话说，研究人员发现现有方法主要训练模型来填补信号中的小间隙。因此他们探索了人工智能是否可以直接从原始的、未标注的数据中学习脑电图信号的更广泛结构。
事实证明，这是可行的。
在论文中，他们描述了一种自监督学习方法，用于预测脑电图信号的小片段在时间上如何相互关联，这可以在从睡眠分期到癫痫检测的多种脑电图分析任务上实现更好的性能。
结果令人鼓舞，因为经过PARS预训练的模型在四个测试的脑电图基准中的三个上，表现优于或匹配了先前的方法。
但这与AirPods有什么关系？
PARS预训练模型使用了以下四个数据集：
- 可穿戴设备睡眠分期
- 异常脑电图检测
- 运动想象
li>癫痫检测
在第一个数据集中，EESM17指的是“耳部脑电图睡眠监测2017”，它包含“使用12通道可穿戴耳部脑电图系统和6通道头皮脑电图系统对9名受试者进行的夜间记录”。
耳部脑电图系统看起来是这样的：
虽然耳部脑电图使用与标准头皮系统不同的电极，但它仍然可以独立拾取许多临床相关的脑信号，例如睡眠阶段和某些与癫痫相关的模式。
p>由于EESM17数据集被用于苹果进行的一项研究，并且苹果近年来已在其可穿戴设备上加入了多种健康传感器，因此不难想象未来AirPods可能会配备脑电图传感器，就像最近的AirPods Pro 3配备了用于心率传感的光电容积描记传感器一样。
关键点在于：2023年，苹果提交了一项“用于测量用户生物信号的可穿戴电子设备”的专利申请。
该专利明确提到耳部脑电图设备作为头皮系统的替代方案，同时也指出了其局限性：
“可以使用放置在用户头皮上的电极来监测脑活动。在某些情况下，电极可以放置在用户的耳内或耳廓周围。与需要在用户头皮周围可见区域放置电极的其他设备相比，使用放置在耳内或耳廓周围的电极测量脑活动可能更受青睐，因为其优势包括设备移动性降低和电极可见度减少。然而，为了使用耳部脑电图设备准确测量脑活动，该设备可能需要为用户耳朵定制（例如，可能需为用户耳甲腔、耳道、耳屏等定制），并且可能需要为不同用户进行不同的定制，以便设备上的电极能够与用户身体保持持续接触。由于耳朵的大小和形状因人而异，并且单个用户的耳朵大小和形状以及耳道等结构的大小和形状可能随时间变化，即使是定制的耳部脑电图设备有时（或随着时间的推移）也可能无法产生准确的测量结果。此外，定制的耳部脑电图设备可能价格昂贵。”
接着，苹果的专利通过基本上在AirPods耳塞上分布超出所需的更多传感器，并让人工智能模型根据阻抗、噪声水平、皮肤接触质量以及活动电极和参考电极之间的距离等指标，来选择信号质量最佳的电极，从而解决了这些局限性。
接下来，它为每个电极分配不同的权重，将所有信号合并成一个经过优化的单一波形。该专利甚至描述了一种轻点或挤压手势，用于开始或停止测量，并提出了多种使这一切成为可能的设计和工程替代方案。
最后，苹果表示，“因此，生物信号的测量结果可用于告知用户各种生物信号驱动的应用场景，例如睡眠监测或其他异常情况，如癫痫发作”，这些例子基本上与新研究中的例子相同。
但需要明确的是：这项新研究并未提及AirPods，也与2023年的专利申请无关。它是一项调查研究，旨在探讨一个模型是否能够利用耳部脑电图测量数据作为其数据集的一部分，通过未标注数据自我训练，学习预测脑电波之间的时间间隔。
然而，有趣的是看到苹果既研究收集这些数据的硬件，也研究改进数据收集后处理过程的人工智能模型。这是否会真正转化为产品或功能，还有待观察。
