뉴럴링크는 자사 BCI 플랫폼의 디코딩 AI를 레이블이 없는 5만시간 분량의 원시 신경 데이터로 사전학습했다고 밝혔다. 기존 BCI 학습은 참가자가 커서 이동이나 문자 입력 같은 과제를 반복하며 만든 라벨 데이터를 주로 써 왔는데, 이 방식은 시간과 비용 부담이 컸다. 반면 원시 데이터는 이식 기기가 일상생활 중에도 계속 수집할 수 있어 대규모 데이터셋 구축에 유리하다. 이번 업데이트는 자연어 처리와 컴퓨터 비전에서 널리 쓰인 자기지도 학습 방식을 BCI 디코딩에 본격 적용한 사례로 제시됐다.

모델에는 맘바 아키텍처 기반 신경 인코더가 쓰였고, 전체 채널 중 절반만 입력한 뒤 나머지 절반의 신호를 예측하는 방식으로 공통 표현을 학습했다. 이후 개별 사용자의 의도 동작에 맞게 수분 단위 미세조정을 거쳐 실제 디코딩에 투입된다. 뉴럴링크는 이 방법이 장치 이식 직후 필요한 보정 과정을 줄이고 신호 드리프트가 생겨도 성능을 안정적으로 유지하는 데 도움이 된다고 설명했다. 적용 결과 6명의 참가자가 개인 최고 기록을 경신했고, 최고 11.32 BPS를 기록했다. 앞으로는 여러 이식 환자 데이터를 묶는 다중 사용자 통합 모델로 확대할 계획이다.