آموزش هوش مصنوعی با امواج مغزی؛ استارتاپ Sabi از روش نوین RLNF رونمایی کرد
استارتاپ Sabi از روش جدیدی به نام RLNF رونمایی کرد که هوش مصنوعی را مستقیماً بر اساس امواج مغزی انسان و بدون نیاز به کلیک آموزش می‌دهد. در دموی منتشرشده، تصویر چهره بر اساس ترجیحات ذهنی کاربر به‌شکل زنده تغییر می‌کند. این رویکرد مسیر تازه‌ای برای شخصی‌سازی مدل‌ها با رابط مغز و رایانه می‌گشاید.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- فناوری RLNF با استفاده از امواج نوار مغز به‌عنوان پاداش یادگیری تقویتی، هوش مصنوعی را طبق سلیقه ذهنی کاربر آموزش می‌دهد.
- در ویدیوی آزمایشی این روش، تصویر یک چهره متناسب با پسند ذهنی فردی که کلاه مخصوص سنجش امواج مغزی را پوشیده به‌صورت زنده تغییر شکل پیدا می‌کند.
- استارتاپ Sabi این سازوکار را پلی برای شخصی‌سازی عمیق مدل‌ها می‌داند اما هنوز مقادیر ارزیابی مستقل یا وزن‌های آن را منتشر نکرده است.
معرفی فناوری RLNF
فناوری RLNF یا یادگیری تقویتی با بازخورد عصبی (RL with Neural Feedback) روش آموزشی نوینی است که در ۲۹ اکتبر ۲۰۲۶ توسط Rahul Chhabra، مدیرعامل استارتاپ Sabi معرفی شد. در این رویکرد، مدل‌های هوش مصنوعی به‌جای تکیه بر کلیک‌ها، رتبه‌بندی‌های متنی یا لایک‌های دستی، مستقیماً بر اساس سیگنال‌های ناشی از ترجیحات مغزی تقویت می‌شوند و آموزش می‌بینند. ویدیوی نمایشی اولیه این دستاورد نشان می‌دهد که چگونه تصویر یک چهره به‌شکل پیوسته و زنده، متناسب با سلیقه و جذابیت بصری از نگاه فردی که کلاه ثبت امواج مغزی (EEG) را به سر دارد، تغییر می‌کند.
این معرفی در شبکه اجتماعی X با استقبال چشمگیری همراه شد. استارتاپ Sabi پیش از این سرمایه اولیه‌ای به ارزش ۵۰ میلیون دلار به رهبری Khosla Ventures جذب کرده بود تا رابط مغز و هوش مصنوعی را در قالب یک کلاه روزمره توسعه دهد (گزارش جذب سرمایه در GlobeNewswire).
نکات کلیدی و ساختار فنی
- مفهوم بنیادین: در سازوکار RLNF، سیگنال پاداش در فرآیند یادگیری تقویتی به‌جای داده‌های برچسب‌گذاری‌شده صریح، مستقیماً از امواج مغزی و بازخورد عصبی حاصل از نوار مغز دریافت می‌شود.
- دموی آزمایشی: تصویر مورد نظر هم‌زمان با نگاه کردن کاربر و طبق تمایلات درونی او دگرگون می‌شود؛ نمایشی که طی ساعت‌های آغازین بیش از ۴۰۰ هزار بازدید در شبکه X به دست آورد.
- فناوری اختصاصی استارتاپ: استارتاپ Sabi بر توسعه سخت‌افزارهای پوشیدنی غیرتهاجمی سر همراه با یک مدل بنیادی مغز تمرکز دارد و فناوری RLNF همان دستاورد شخصی‌سازی بر پایه ترجیحات است که پیش‌تر وعده داده شده بود.
- جایگاه محصول: این سیستم به‌عنوان یک «رابط مغز و هوش مصنوعی» برای خوانش قصد و سلیقه طراحی شده و فراتر از تبدیل ساده گفتار ذهنی به متن عمل می‌کند.
- محدودیت‌ها و چشم‌انداز: این پست صرفاً معرفی روش و یک نمایش مقدماتی بوده و هنوز داده‌های اعتبارسنجی مستقل یا وزن‌های مدل برای دسترسی عمومی منتشر نشده است.
چرا این دستاورد اهمیت دارد؟
تعریف یک متدولوژی اختصاصی با عنوان RLNF و استقبال سریع جامعه فناوری، این دستاورد را از یک سخت‌افزار پوشیدنی ساده متمایز ساخته و چشم‌اندازی تازه برای پیوند علوم اعصاب با شخصی‌سازی هوش مصنوعی گشوده است.
مسیر پیگیری و گام‌های آینده
- بررسی رشته‌پیام‌های رسمی و نمایش‌های تکمیلی منتشرشده توسط Rahul Chhabra در پلتفرم X.
- مطالعه جزئیات فنی کلاه هوشمند و مدل بنیادی مغز استارتاپ Sabi در بیانیه رسمی جذب سرمایه.
- دنبال کردن رویدادهای تخصصی، انتشار مقالات پژوهشی یا کیت توسعه نرم‌افزار برای بررسی عملکرد سخت‌افزار در نمایشگاه CES 2027.
این دستاورد در حال حاضر در قالب نام یک روش معرفی شده و رابط‌های برنامه‌نویسی تجاری برای آن فعال نشده است.
مطالب مرتبط و پیشنهادی
الگوریتم یادگیری تقویتی SA-MARL هماهنگی پهپادهای زیرسطحی را ۲۲ امتیاز ارتقا داد
پژوهشگران با توسعه الگوریتم یادگیری تقویتی SA-MARL، راهکاری کارآمد برای هدایت گروهی پهپادهای خودران زیرسطحی ابداع کردند. این معماری نوین با غلبه بر محدودیت‌های شدید پهنای باند صوتی زیر آب، عملکرد رهگیری اهداف را ۲۲ امتیاز بهبود می‌بخشد. شناورها در این سیستم با چرخه‌ای متشکل از ادراک، تصمیم‌گیری و اجرا، هماهنگی پایداری را به نمایش می‌گذارند.
هوش مصنوعی وارد کارزار انتخابات آمریکا شد؛ دموکرات‌ها مخالفان نظارت بر فناوری را هدف گرفتند
حزب دموکرات با راه‌اندازی کارزاری ۴ میلیون دلاری، نمایندگان جمهوری‌خواهی را که به لغو نظارت ایالتی بر هوش مصنوعی رأی داده بودند هدف قرار داده است. این اقدام نشان می‌دهد نگرانی رأی‌دهندگان از رشد مهارنشده هوش مصنوعی به یکی از محورهای تعیین‌کننده انتخابات بدل شده است.
استارتاپ Nano-core Chip بیش از یک میلیارد یوآن برای توسعه تراشه‌های استنتاج هوش مصنوعی جذب کرد
استارتاپ چینی Nano-core Chip موفق شد در دور جدید جذب سرمایه، بیش از یک میلیارد یوآن برای تسریع تولید تراشه‌های استنتاج هوش مصنوعی تأمین مالی کند. این شرکت که از معماری RISC-V و رایانش در حافظه بهره می‌برد، قصد دارد نخستین محصولات خود را تا اوایل سال ۲۰۲۷ میلادی روانه بازار کند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.