科技領域近日迎來一項重要進展，蘋果研究團隊在學術預印本平臺ArXiv上公開了一項名為PARS（Pairwise Relative Shift，成對相對位移）的人工智能技術。該技術聚焦于腦電圖（EEG）信號分析，通過自監督學習機制突破了傳統方法的局限，為神經科學診斷提供了新的可能性。
傳統腦電圖分析高度依賴人工標注，例如需要專家手動標記“快速眼動睡眠期”或“癲癇發作起始點”等關鍵節點。這種模式不僅成本高昂，且效率受限。蘋果開發的PARS模型則采用自監督學習框架，直接利用未標記的原始數據訓練。其核心原理是通過預測不同腦電波片段在時間軸上的相對距離，構建對大腦活動深層結構的理解，從而捕捉信號間的長程依賴關系。
研究團隊通過四個權威腦電圖基準數據集驗證了PARS的性能。結果顯示，該模型在三項測試中達到或超越了當前頂尖方法的水平。這一成果表明，關注信號時間相對位置的分析策略，比傳統掩碼重建等填補缺失信號的方法更具優勢，為降低神經學診斷成本、提升精準度提供了技術支撐。
值得注意的是，研究中使用的一個名為EESM17的數據集引發了行業對蘋果硬件布局的聯想。該數據集包含通過“耳內腦電圖系統”采集的睡眠數據，盡管耳內電極與頭皮電極位置不同，但仍能有效捕捉睡眠階段及癲癇相關信號。結合蘋果近年來在可穿戴設備健康監測領域的動作——例如AirPods Pro 3已集成心率傳感器——業內推測，耳機搭載EEG傳感器的技術路徑具有可行性。
蘋果此前公布的專利進一步佐證了這種猜測。2023年，該公司申請了一項關于“測量用戶生物信號的可穿戴設備”的專利，明確提及耳內EEG的應用潛力及技術挑戰。專利指出，耳道形狀的個體差異和動態變化會導致固定電極接觸不穩定。為此，蘋果提出在耳機耳塞周圍布置冗余傳感器陣列，通過AI算法實時篩選信號質量最優的電極組合，并加權合成最終波形。
盡管此次發布的PARS研究未直接關聯AirPods產品，但將AI分析模型與專利中的硬件方案結合分析，蘋果構建耳內腦健康監測系統的戰略意圖已初現端倪。這項技術若能落地，或將重新定義可穿戴設備在醫療健康領域的應用邊界。
