未來 AirPods 能讀你的腦波？

蘋果研究人員的一項新研究提出一種方法，讓 AI 模型可以在沒有任何標註資料的情況下學習腦部電活動結構的一個面向。以下是做法。

在一項名為《使用成對相對位移預訓練學習 EEG 訊號的相對組成》的新研究中，蘋果介紹了 PARS，其縮寫源自 PAirwise Relative Shift（成對相對位移）。現行模型在腦部活動資料上高度依賴人工標註，指出哪些片段對應清醒、快速動眼期（REM）、非快速動眼期 1、非快速動眼期 2、非快速動眼期 3 等睡眠階段，以及癲癇發作事件的開始與結束位置等。

（Source：arxiv）

蘋果所做的簡而言之，是讓模型自行從原始、未標註的資料中學會預測腦部活動中不同片段在時間上相隔多遠。

研究中寫道：

「自我監督式學習（SSL）為從未標註資料中學習腦電圖（EEG）表徵提供了一種有前景的方法，減少臨床應用（如睡眠分期與癲癇偵測）對昂貴標註的需求。雖然現有 EEG SSL 方法主要使用遮罩式重建策略（如遮罩自編碼器 MAE）來捕捉局部時間模式，但位置預測預訓練仍然未被充分探討，儘管它有潛力學習神經訊號中的長距依賴。我們提出成對相對位移（PARS）預訓練，一個新的前置任務，用於預測隨機抽樣的 EEG 視窗對之間的相對時間位移。與專注於局部模式重建的重建式方法不同，PARS 鼓勵編碼器捕捉神經訊號中固有的相對時間組成與長距依賴性。透過對多項 EEG 解碼任務的全面評估，我們展示了經 PARS 預訓練的 transformer 模型在標籤效率與遷移學習環境中一貫優於現有預訓練策略，為自我監督 EEG 表徵學習建立了新的典範。」

換句話說，研究人員認為現有方法主要讓模型學會填補訊號中的小缺口，因此他們探索 AI 是否能從原始未標註資料中直接學習 EEG 訊號的更大範圍結構。

結果顯示，它可以做到。

論文描述了一種自我監督式學習方法，用於預測 EEG 訊號中小片段彼此之間的時間關係，可在多個 EEG 分析任務（從睡眠階段到癲癇偵測）中帶來更佳表現。

結果具有前景，經 PARS 預訓練的模型在所測試的四個 EEG 基準中，有三項表現優於或匹敵先前方法。

但這與 AirPods 有什麼關係？

PARS 預訓練模型使用了以下四個資料集：

• 可穿戴式睡眠分期（EESM17）
• 異常 EEG 偵測（TUAB）
• 癲癇偵測（TUSZ）
• 運動意象（PhysioNet-MI）

在第一項資料集中，EESM17 指的是 Ear-EEG Sleep Monitoring 2017，其中包含來自 9 位受試者的整晚紀錄，使用 12 通道可穿戴耳部 EEG 系統與 6 通道頭皮 EEG 系統。

（Source：arxiv）

儘管耳部 EEG 使用的電極與標準頭皮系統不同，它仍能獨立偵測許多具有臨床意義的腦部訊號，例如睡眠階段與某些癲癇相關模式。

而由於 EESM17 是蘋果研究中採用的資料集，而蘋果近年在穿戴式裝置中加入了多項健康感測器，不難想像一個 AirPods 具備 EEG 感測器的未來，就像 AirPods Pro 3 最近加入了用於心率感測的光體積描記（PPG）感測器一樣。

關鍵來了，在 2023 年，蘋果提出了一項「用於測量使用者生物訊號的可穿戴電子裝置」的專利申請。

該專利明確提到耳部 EEG 裝置作為頭皮系統的替代方案，同時指出它們的限制：

「可透過放置在使用者頭皮上的電極來監測腦部活動。在某些情況下，電極也可放置於使用者外耳內或周圍。相較於需將電極放置於頭皮可見區域的其他裝置，使用放置在外耳內或周圍的電極來測量腦部活動可能較為理想，因為這帶來較低的設備移動性以及更低的可見度。然而，要透過耳部腦電圖（EEG）裝置準確測量腦部活動，該裝置可能需要根據使用者的耳朵進行客製化（例如，可能需客製化耳甲腔、耳道、耳屏等），並可能需針對不同使用者採取不同的客製化，以使電極能持續接觸使用者的身體。由於每位使用者的耳朵大小與形狀皆不同，且即便是同一位使用者，其耳朵大小與形狀，以及耳道等結構大小與形狀都可能隨時間改變，即使是客製化耳部 EEG 裝置，有時也可能無法產生準確測量。此外，客製化耳部 EEG 裝置可能成本高昂。」

接著，蘋果的專利提出了解決方案，基本上是在 AirPods 的耳塞周圍放置比所需更多的感測器，再由 AI 模型依據阻抗、噪聲水平、皮膚接觸品質與主動與參考電極之間的距離等指標，挑選出訊號品質最佳的電極。

接下來，系統會為每個電極分配不同權重，將所有訊號合併成單一、最佳化的波形。專利甚至描述了用敲擊或捏壓手勢啟動或停止測量的方法，以及多種可能讓此功能得以實現的設計與工程替代方案。

最後蘋果指出「生物訊號測量可用於告知使用者各種基於生物訊號的使用案例，例如睡眠監測或其他異常（如癲癇）」，這些例子與新研究中的應用大致相同。

但必須澄清的是，這項新研究事實上並未提及 AirPods，且與 2023 年的專利申請沒有關聯。研究只是探討模型是否能從未標註資料中學習預測腦波之間的時間間隔，並以耳部 EEG 作為其資料集之一。

不過蘋果同時研究收集資料的硬體與改善資料處理的 AI 模型，確實令人感到有趣；但至於這是否會實際成為產品或功能，仍有待觀察。

（首圖來源：科技新報）