تتجاوز الأبحاث الحديثة في فهم الإشارات الدماغية الحدود التقليدية، حيث تسلط الضوء على تقنية جديدة تحمل اسم "التأسيس البصري التوليدي" (Generative Visual Grounding - GVG). فهذه التقنية تعتمد على استخدام نماذج تم تدريبها مسبقًا مثل نماذج اللغات الضخمة (Large Language Models) ونماذج تعلم الآلة متعددة اللغات (Multimodal Language Models) لتطوير طرق جديدة تعزز من دقة فهم النشاط الدماغي.

حتى الآن، كانت البيانات المتاحة للعمل مع الإشارات الكهربية للدماغ (EEG) قليلة، مما أدي إلى اعتماد الطرق الحالية على محاذاة الإشارات العصبية مع نصوص مجردة، مما قد يؤدي إلى فقدان الكثير من المعلومات الدقيقة الم encoded في النشاط الدماغي. لذا، تأتي تقنية GVG لتقدم حلاً فعّالاً، حيث تستخدم نموذج توليدي لتحويل الإشارات الكهربية إلى صور تعبيرية، مما يسمح بتوفير سياقات بصرية تنظيمية.

تجري هذه الدراسات على بنيتين من نماذج التعلم العميق: GVG-X-Omni و GVG-Janus، حيث أظهرت النتائج أن المحاذاة باستخدام الصور تحقق نتائج تنافسية، وخصوصًا أن النموذج GVG-X-Omni يمكنه مجاراة نماذج قائمة على النصوص مع تقليل عدد المعلمات المستخدمة بشكل ملحوظ.

بالإضافة إلى ذلك، تم تعزيز GVG-Janus عبر دمج محاذاة ثلاثية الأبعاد للصورة والنص، حيث يوفر النص دعامات سمية ويعمل كوسيلة لإثراء التمثيلات العصبية بالتفاصيل الإدراكية. تبين التجارب أن استخدام الصور كعوامل ربط بصرية يؤدي إلى تحسين كبير في فهم الإشارات الكهربية للدماغ وكذلك في إنشاء الصور، مما يفتح آفاقًا جديدة للعمل في هذا المجال.

هذه التقنية ليس فقط تسهم في تحسين فهم النشاط الدماغي، بل توفر أيضًا أداة قوية لدراسة التفاعل بين الإشارات العصبية والبيانات البصرية، مما قد يؤدي إلى تطبيقات مبتكرة في المجالات الطبية والبحثية.