A mesterséges intelligencia elképesztő ütemben fejlődik, és a Zuna modell révén most már képesek vagyunk agyi jeleket értelmezni és helyreállítani – mindezt akár hiányos vagy zajos adatok esetén is. Az EEG, vagyis az elektroenkefalográfia, amely az agy elektromos aktivitását rögzíti, eddig számos technikai kihívással küzdött, például hibás vagy eltűnő jelekkel, illetve eltérő eszközök használata során keletkező problémákkal.
Hagyományosan matematikai interpolációval próbálták pótolni a hiányzó adatokat, most azonban a Zuna deep learning modell teljesen új megközelítést kínál. Több millió EEG csatornából és számos adatbázisból tanult olyan mintákat, amelyek alapján rekonstruálni tudja az elveszett vagy egyáltalán nem rögzített jeleket.
Az eszköz legizgalmasabb alkalmazásai jelenleg a klinikai gyakorlatban, például epilepsziás megfigyelésekben vagy alváskutatásokban jelenhetnek meg, de nagy lehetőségek rejlenek benne fogyasztói eszközök, meditációs alkalmazások vagy egyszerűbb BCI (brain-computer interface) fejhallgatók esetén is. Így ez a technológia csökkentheti a szakadékot a hétköznapi kütyük és a különösen drága klinikai eszközök között.
Felvetődik a kérdés, hogy vajon mennyire lesznek képesek a jövő AI rendszerei gondolatainkat közvetlenül szöveggé alakítani, vagy irányítani eszközöket pusztán gondolkodás útján. A Zuna fejlesztései ígéretes lépést jelentenek ezen az úton – és a tesztek alapján egy új korszak küszöbére érkeztünk.
