通用AI脑机接口实现多模态神经信号解码

Tether旗下人工智能与神经科学研究项目Tether Evo正式公布三项经过同行评审的最新研究成果。这些研究聚焦于构建一个具备泛化能力的通用型人工智能脑机接口系统，可同时解析人类大脑在语音、视觉及音乐三种认知模式下的活动信号。其中两项关键论文由Tether Evo联合意大利罗马托尔维加塔大学（UniTOV）共同完成。

研究核心在于突破传统脑机接口需为每位个体单独建模的局限。新模型通过整合大规模跨被试神经数据，在无需重复训练的前提下，实现对不同人脑电活动的高精度映射。这一进展标志着向为全球用户提供统一神经交互解决方案迈出了关键一步。

跨个体神经解码：迈向无障碍人机交互

Tether Evo的这项技术革新旨在攻克脑机接口应用中最棘手的挑战之一——个体间大脑信号差异显著。作为Tether集团前沿创新单元，Tether Evo专注于探索生物智能与机器学习深度融合的可能性，致力于打造本地化部署、低延迟响应的高性能系统，以增强个体认知能力，并在日益集中化的数字生态中维护个人自主权。

此次发布的三项研究覆盖了大脑信号处理的三大维度。关于语音解码的研究已发表于《Journal of Neural Engineering》。该模型仅需一次训练即可适用于多个受试者，为因创伤或疾病丧失听觉、语言或视觉功能的人群提供潜在替代性交流通道。

从神经活动到图像重建：毫秒级视觉还原

研究人员利用猕猴观看数千张图像时采集的大脑神经信号，成功实现了视觉内容的高保真重建。该模型仅需200毫秒的原始神经数据，便能达到70%的准确率，能够还原出包含基本形状、色彩分布与内容特征的合理图像。

在音乐理解方面，团队记录了五名参与者聆听540首涵盖十种音乐流派的歌曲时的全脑功能磁共振成像数据。研究验证了单一模型对复杂音频感知的跨个体解码能力。Tether强调，个人神经数据属于最高级别的隐私信息，因此所有处理均基于设备端运行的AI架构，不依赖外部服务器，也无需获取任何权限即可完成安全计算。