Valore dei dati cerebrali quantificato per l'addestramento di modelli di machine learning

Un nuovo quadro teorico quantifica il valore delle registrazioni neurali per l'addestramento di modelli di machine learning. I ricercatori hanno derivato leggi di scala che mostrano come le prestazioni del modello migliorano con i dati cerebrali rispetto alle etichette dei compiti. Utilizzando un modello gaussiano lineare, hanno calcolato i tassi di scambio tra campioni cerebrali e campioni di compiti, dipendenti dall'allineamento compito-cervello, dal rumore e dalla dimensione latente. Il lavoro affronta quando e quanto beneficio forniscono i dati neurali, offrendo una base matematica per la NeuroAI. Lo studio è stato pubblicato su arXiv con ID 2605.09243.