يقدم الباحثون إطار عمل MOJO (Masked autOencoder-based JOint training)، وهو إطار عمل لنماذج ترميز الشرارات (spike-tokenizing) يستفيد بشكل مشترك من التعلم الذاتي الإشرافي عبر التشفير الآلي المقنع وأهداف التعلم الإشرافي. يعالج هذا النهج محدودية النماذج الحالية المقيدة بالتعلم الإشرافي، الذي يتطلب تسميات سلوكية مقترنة.
- تم تقييمه على ثلاث مجموعات بيانات للشرارات تغطي القشرة الحركية للقرد وتسجيلات الفأر متعددة المناطق، وأظهر MOJO أداءً متفوقًا على النماذج المدربة إشرافيًا فقط.
- يكون التحسن بارزًا بشكل خاص عند التدريب ببيانات موسومة محدودة، وتحديداً في سيناريوهات الضبط الدقيق لعدد قليل من العينات (few-shot finetuning).
- يؤدي دمج التعلم الذاتي الإشرافي إلى الحصول على تمثيلات عصبية أكثر قابلية للتفسير، مما يحسن الأداء في تصنيف مناطق الدماغ والتنبؤ بإحصاءات الشرارات دون تحسين صريح.
- يعمم MOJO على تخطيط كهربية القشرة البشرية أثناء الكلام، محققًا أداءًComparable مع النماذج العصبية الأساسية (neuro-foundation models) المصممة للإشارات المستمرة.
يؤدي تعزيز نماذج ترميز الشرارات بالتعلم الذاتي الإشرافي إلى تحسين الأداء في البيئات الفقيرة بالتسميات ويمكّن من استخدام البيانات غير الموسومة عبر مهام وأنواع مختلفة.