Tether Evo 是 Tether 的人工智慧（AI）與神經科學研究計畫，已發表三篇關於腦機介面（BCIs）的同行評審研究論文。此項進展的核心目標是建立一種通用的 AI 腦機介面，精準解碼不同個體的語言、視覺與音樂。其中兩篇論文由 Tether Evo 與羅馬托維加塔大學（UniTOV）合作設計。
基本上，基於三篇論文的研究表明，一個統一的模型可以學習在不從每個個體開始的情況下評估不同人的腦活動。Tether Evo 正積極解決大量人群在語音、視覺和音樂方面的集體解決方案問題。Tether 已通過其官方社交媒體 X 帳戶分享了這則訊息。
Tether Evo 推動 AI 驅動神經介面的未來
Tether Evo 的發展步驟將解決腦機介面（BCI）研究中最大的難題之一，因為每個人的大腦產生的訊號都略有不同。Tether Evo 是 Tether 的前沿技術部門，致力於生物學與機器智慧的交匯點。Tether Evo 建立了首個本地化、高性能的系統，旨在強化個人能力，並在日益中心化的世界中保障個人自主性。
這三項經過同行評審的研究基於單一模型，從三個不同角度探討大腦。為此，相關研究已發表於《神經工程學雜誌》，內容涉及人類神經數據在語音腦機介面中的跨受試者解碼。此模型可為因任何傷害或意外而失去視覺、聽覺和語言能力的人士提供支援。這顯示了單一模型如何同時針對多個人進行訓練。
揭開能重建圖像和解碼音樂的 AI 模型
Tether 和 UniTOV 的研究人員聯合記錄了猴子觀看數千張圖像時的大腦信號，並直接根據神經活動重建了猴子所見的畫面。此模型在 200 毫秒的神經數據下準確率達 70%，能生成合理還原的圖像，捕捉其形狀、顏色和內容。
同樣地，研究人員透過音樂，記錄了五名受試者聆聽 540 首涵蓋 10 種類型歌曲時的大腦掃描（fMRI）數據。Tether 認為，沒有什麼比您的個人資訊更私密。Tether 透過在裝置上使用 AI 堆疊，確保個人資訊的安全與保密。此操作無需在任何裝置上取得許可。