ARTFEED — Contemporary Art Intelligence

Il Modello Cerebrale OmniMouse Raggiunge Prestazioni All'avanguardia con 150 Miliardi di Token Neurali

ai-technology · 2026-04-22

OmniMouse, un modello cerebrale in grado di analisi multimodale e multitasking, ha stabilito un nuovo punto di riferimento esaminando un dataset comprendente 3,1 milioni di neuroni provenienti dalla corteccia visiva di 73 topi. I risultati, presentati nella preprint arXiv 2604.18827, hanno coinvolto oltre 150 miliardi di token neurali raccolti durante 323 sessioni in cui i topi hanno visionato filmati naturali, immagini, stimoli parametrici e si sono impegnati in vari comportamenti. Contrariamente alla tipica tendenza dell'IA in cui modelli più grandi producono risultati migliori, questa ricerca ha rivelato che l'aumento dei parametri del modello ha raggiunto un plateau di prestazioni. Invece, i miglioramenti sono stati collegati al volume dei dati. I modelli hanno dimostrato tre modalità di test adattabili: previsione neurale, decodifica comportamentale e previsione neurale, separatamente o in combinazione, superando le baseline specializzate in quasi tutte le categorie di valutazione. Questo studio indaga se i principi di scalabilità che hanno rivoluzionato l'IA nel linguaggio e nella visione possano essere applicati alla modellazione dell'attività cerebrale, utilizzando registrazioni neurali estese per esplorare questa idea.

Fatti principali

  • OmniMouse è un modello cerebrale multimodale e multitasking
  • Il dataset include 3,1 milioni di neuroni dalla corteccia visiva di 73 topi
  • I dati comprendono oltre 150 miliardi di token neurali
  • Registrazioni da 323 sessioni con filmati naturali, immagini, stimoli parametrici e comportamento
  • I modelli supportano previsione neurale, decodifica comportamentale e previsione neurale
  • Raggiunge prestazioni all'avanguardia, superando le baseline specializzate
  • Le prestazioni si ridimensionano in modo affidabile con più dati, ma i guadagni dalle dimensioni del modello si saturano
  • Inverte la tipica narrazione di scalabilità dell'IA dove il ridimensionamento dei parametri è primario nel linguaggio/visione

Entità

Fonti