11月29日消息，科技媒体9to5Mac昨日报道称，苹果研究团队在预印本平台ArXiv上发布了一项代号为PARS（Pairwise Relative Shift，成对相对位移）的突破性AI技术，该技术旨在通过自监督学习分析脑电图信号。

援引相关论文介绍，这项技术的核心在于改变了传统脑电图分析严重依赖人工标注的现状。现有的分析模型通常需要专家手动标记“快速眼动睡眠期”或“癫痫发作起始点”等标签，不仅成本高昂且效率低下。

而苹果开发的PARS模型采用“自监督学习”机制，直接利用原始且未标记的数据进行训练。简而言之，该模型通过“自学”预测不同脑电波片段在时间上的距离，从而理解大脑活动的深层结构与长程依赖关系。

在具体的性能测试中，PARS展现出了强大的实力。研究团队使用了四个不同的脑电图基准数据集进行评估，结果显示PARS在其中三项测试中的表现均优于或持平目前的顶尖方法。

这证明了让AI关注信号之间的时间相对位置，比单纯填补信号缺失部分的传统方法更为有效。这意味着未来的人工智能可以更精准、更低成本地辅助医生进行复杂的神经学诊断。

该媒体还指出，由于该研究中使用了名为EESM17的数据集，引发了科技界对AirPods未来形态的强烈猜想。该数据集专门包含了通过“耳内脑电图系统”采集的睡眠数据。

虽然耳内电极与传统的头皮电极位置不同，但研究证明其仍能有效捕捉睡眠阶段及癫痫相关的关键脑信号。考虑到苹果近年来在可穿戴设备健康监测领域的布局，在耳机中集成EEG传感器在技术逻辑上完全成立。

事实上，苹果早在2024年就申请了一项关于“测量用户生物信号的可穿戴设备”专利，明确提到了耳内EEG的应用潜力及其面临的挑战。专利指出，由于每个人的耳道形状各异且会随时间变化，固定电极难以保持持续接触。

为此，苹果提出了一种解决方案：在耳机耳塞周围布置冗余的传感器阵列，并利用AI算法实时筛选信号质量最好的电极组合，通过加权计算合成最优波形。

该媒体认为，尽管本次发布的PARS研究并未直接点名AirPods，但将“先进的AI分析模型”与“专利中的多电极硬件方案”结合起来看，苹果构建耳内脑健康监测系统的意图已若隐若现。

附上参考地址

Learning the relative composition of EEG signals using pairwise relative shift pretraining