Ученые МГУ интегрировали языковые модели в нейроинтерфейсы для улучшения коммуникации

Ученые Исследовательского центра в сфере ИИ МГУ предложили новый подход, позволяющий большим языковым моделям компенсировать ошибки нейроинтерфейса и повысить скорость коммуникации. Препринт исследования размещен на платформе bioRxiv.

Исследователи разработали метод, направленный на улучшение работы нейроинтерфейсов «мозг-компьютер» (BCI), предназначенных для набора текста людьми с тяжелыми нарушениями речи и движений. В основе технологии лежит интеграция больших языковых моделей (LLM), таких как ChatGPT, в систему P300-спеллера.

P300-спеллер — это устройство, позволяющее пользователю набирать текст, концентрируя внимание на мигающих символах на экране. Однако такая система обычно работает медленно, на скорости 1–2 слова в минуту, что связано с необходимостью длительной фиксации внимания на каждом символе.

По словам Михаила Лебедева, профессора и научного сотрудника Центра ИИ МГУ, в рамках работы был сформулирован принцип интеграции P300-спеллера с большой языковой моделью. Исследование предполагает отправку «чернового» текста языковой модели, которая может автоматически исправлять ошибки на основе контекста предложения.

В исследовании группа использовала данные эксперимента с участием добровольцев, при котором регистрировалась ЭЭГ во время набора текста. При смоделированном ускоренном вводе, где распознавание букв становится менее точным, искаженные фразы обрабатывались тремя языковыми моделями: ChatGPT, DeepSeek и Grok. Все три модели успешно восстанавливали исходный смысл предложений.

Комбинация нейроинтерфейса и языковой модели, по мнению авторов, может значительно увеличить скорость общения, снижая требования к точности распознавания. Кроме того, предложенный подход расширяет функциональность BCI, предоставляя системы, способные не только распознавать текст, но и корректировать формулировки.

Исследователи отмечают, что их метод применим не только к P300-спеллерам, но и к более быстрым нейроинтерфейсам, а в будущем – к инвазивным BCI нового поколения. Потенциал использования таких гибридных систем в управлении «умным домом» и интернет-сервисами также представляется многообещающим.

Работа носит экспериментальный характер и требует дальнейшей проверки в клинических условиях.

Ученые Исследовательского центра в сфере ИИ МГУ предложили новый подход, позволяющий большим языковым моделям компенсировать ошибки нейроинтерфейса и повысить скорость коммуникации. Препринт исследования размещен на платформе bioRxiv.

Исследователи разработали метод, направленный на улучшение работы нейроинтерфейсов «мозг-компьютер» (BCI), предназначенных для набора текста людьми с тяжелыми нарушениями речи и движений. В основе технологии лежит интеграция больших языковых моделей (LLM), таких как ChatGPT, в систему P300-спеллера.

P300-спеллер — это устройство, позволяющее пользователю набирать текст, концентрируя внимание на мигающих символах на экране. Однако такая система обычно работает медленно, на скорости 1–2 слова в минуту, что связано с необходимостью длительной фиксации внимания на каждом символе.

По словам Михаила Лебедева, профессора и научного сотрудника Центра ИИ МГУ, в рамках работы был сформулирован принцип интеграции P300-спеллера с большой языковой моделью. Исследование предполагает отправку «чернового» текста языковой модели, которая может автоматически исправлять ошибки на основе контекста предложения.

В исследовании группа использовала данные эксперимента с участием добровольцев, при котором регистрировалась ЭЭГ во время набора текста. При смоделированном ускоренном вводе, где распознавание букв становится менее точным, искаженные фразы обрабатывались тремя языковыми моделями: ChatGPT, DeepSeek и Grok. Все три модели успешно восстанавливали исходный смысл предложений.

Комбинация нейроинтерфейса и языковой модели, по мнению авторов, может значительно увеличить скорость общения, снижая требования к точности распознавания. Кроме того, предложенный подход расширяет функциональность BCI, предоставляя системы, способные не только распознавать текст, но и корректировать формулировки.

Исследователи отмечают, что их метод применим не только к P300-спеллерам, но и к более быстрым нейроинтерфейсам, а в будущем – к инвазивным BCI нового поколения. Потенциал использования таких гибридных систем в управлении «умным домом» и интернет-сервисами также представляется многообещающим.

Работа носит экспериментальный характер и требует дальнейшей проверки в клинических условиях.

]]>