Meta FAIR udostępnił NeuralSet, pakiet open-source dla badaczy zajmujących się neuro-AI, czyli interdyscyplinarnym polem łączącym neurobiologię z sztuczną inteligencją. Narzędzie napisane w Pythonie ułatwia porównywanie danych z mózgu ludzkiego z działaniem sztucznych modeli sieciowych, co pozwala lepiej zrozumieć, jak AI uczy się reprezentacji podobnych do biologicznych. Tego rodzaju prace stanowią kluczową ścieżkę badawczą dla odkrywania uniwersalnych zasad, według których uczą się zarówno mózgi zwierząt, jak i współczesne duże modele językowe.
NeuralSet obsługuje kilka ważnych typów danych: odczyty fMRI (funkcjonalny rezonans magnetyczny pokazujący aktywność mózgu), dane M/EEG (elektroencefalografia i magnetoencefalografia mierzące elektryczne impulsy neuronów) oraz neuronowe embeddingi bezpośrednio z modeli dostępnych na platformie HuggingFace. Pakiet zawiera gotowe interfejsy do pobierania danych, przetwarzania ich i uruchamiania porównań między strukturą reprezentacji w mózgu a warstwami sieci neuronowych. To znacznie przyspieszył pracę badaczy, którzy wcześniej musieli sami pisać kod integrujący te różne źródła informacji.
Publikacja NeuralSet przez laboratorium Meta FAIR wpisuje się w szerszy trend otwierania badań nad sztuczną inteligencją dla całej społeczności naukowej. Dla polskich zespołów zajmujących się neuro-AI oraz kognitywistyką obliczeniową to gotowe narzędzie może stać się podstawą do eksperymentów nad polskimi modelami językowymi czy analizą mózgu polskich badanych. W praktyce oznacza to mniej czasu poświęcanego na technikalia, a więcej na rzeczywiste odkrycia dotyczące wspólnych mechanizmów uczenia się między biologią a AI.