Sabi учит модели изображений личному вкусу по сигналам мозга
Стартап утверждает, что носимая EEG-шапочка превращает пассивные нейросигналы в награды, но независимого подтверждения результатов пока нет.
Sabi представила reinforcement learning with neural feedback, или RLNF, — метод, который использует сигналы носимой EEG-шапочки для персонализации генерации изображений без явных оценок пользователя.
В демонстрации компании лицо меняется, пока участник смотрит на него. Sabi утверждает, что сигналы возбуждения мозга превращаются в неявную награду и направляют модель к эстетическим предпочтениям конкретного человека. Команда использовала сравнительно простую систему на эмбеддингах и методе k ближайших соседей вместо отдельной reward-модели. При случайных наградах такого улучшения не наблюдалось.
Подход должен решить проблему усредненной настройки: личный вкус может заметно отличаться от предпочтений большинства, на которых обучены массовые модели. Если метод подтвердится, пассивная обратная связь даст потребительским AI-продуктам еще один способ персонализации помимо промптов, рейтингов и истории выбора.
Пока это ранние результаты самой Sabi: независимого воспроизведения и рецензируемой статьи вместе с анонсом нет. Компания также указывает на риски. Нейроданные могут раскрывать частные предпочтения, оптимизация лиц — усиливать дисморфофобию и сужать стандарты красоты, а сервисам понадобятся особенно строгие правила согласия, шифрование и обработка на устройстве. Сейчас Sabi предлагает записаться в лист ожидания, а не открывает массовый продукт.
