Shifting Attention to You: Personalized Brain-Inspired AI Models

要約

人間と人工知能の統合は、各システムが独自の計算洞察を提供するため、情報処理の理解を進めるための強力な手段を提供します。
ただし、人間とAIの統合の約束にもかかわらず、現在のAIモデルは大規模なデータセットで主に訓練されており、人口レベルのパフォーマンス向けに最適化されており、計算を個々のユーザーの知覚セマンティクスとニューラルダイナミクスに合わせるメカニズムがありません。
ここでは、微調整されたクリップベースのモデル内に人間の行動洞察とミリ秒スケールのニューラルデータを統合することは、知覚の一般化された個別化された側面をキャプチャするだけでなく、未修正のクリップベースラインと比較して2倍以上の行動パフォーマンスをキャプチャすることを示します。
人間の誘導バイアスを埋め込み、トレーニング中に動的な神経プロセスをミラーリングすることにより、個別化された神経細かい調整は、人間の類似性の判断の予測を改善し、個々の神経反応の時間的進化を追跡します。
私たちの研究は、神経科学、個別化医療、および人間コンピューターの相互作用に幅広い意味を持つ、適応型AIシステムを設計するための新しい解釈可能なフレームワークを確立しています。

要約(オリジナル)

The integration of human and artificial intelligence offers a powerful avenue for advancing our understanding of information processing, as each system provides unique computational insights. However, despite the promise of human-AI integration, current AI models are largely trained on massive datasets, optimized for population-level performance, lacking mechanisms to align their computations with individual users’ perceptual semantics and neural dynamics. Here we show that integrating human behavioral insights and millisecond scale neural data within a fine tuned CLIP based model not only captures generalized and individualized aspects of perception but also over doubles behavioral performance compared to the unmodified CLIP baseline. By embedding human inductive biases and mirroring dynamic neural processes during training, personalized neural fine tuning improves predictions of human similarity judgments and tracks the temporal evolution of individual neural responses. Our work establishes a novel, interpretable framework for designing adaptive AI systems, with broad implications for neuroscience, personalized medicine, and human-computer interaction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google