ChatBCIはP300スペラーBCIで,コンテキスト主導の単語予測を活用して,コンセプトから評価まで,大規模な言語モデルを利用しています

科学分野:

• 神経科学と人工知能について
• 人間とコンピュータの相互作用です.

背景:

• P300スペラー脳コンピュータインターフェース (BCI) は,鍵の選択のためにP300脳波を検知することによって通信を可能にします.
• 現在のP300スペラーは,多くの場合,広範なキーストロークを必要とし,ユーザー時間と認知負荷を増加させます.
• より効率的でユーザーフレンドリーなBCI通信方法が必要である.

研究 の 目的:

• 新しいP300スペラーBCIシステムであるChatBCIを紹介します.
• 大規模言語モデル (LLM) を活用して,予測的な単語提案を行い,文の組成を加速する.
• キーストロークとBCIユーザーの認知負荷を減らすために.

主な方法:

• ChatBCIは,単語の提案のためのLLM (GPT-3.5 API) のゼロショット学習を使用しています.
• 修正されたグラフィカルユーザーインターフェース (GUI) は,LLMで生成された単語提案を選択可能なキーとして表示します.
• P300の分類は,段階的な線形差別分析 (SWLDA) を使用して行われます.

主要な成果:

• ChatBCIは,コピー・スペリングの作業で,それぞれ22%と33%の時間を削減し,キーストロークを削減しました.
• コピー・スペリングのタスクでは,情報転送率が15%増加しました.
• ChatBCIは,即興の文の構成タスクでキーストロークを45%削減しました.

結論:

• チャットBCIは,効率的に従来のBCIスペラーを文字単位で大幅に上回っています.
• このシステムは,リモート LLM のクエリを活用し,ローカルモデルのトレーニングやストレージの必要性を排除します.
• ChatBCIは,次世代の効率的なスペラーBCIを開発し,リアルタイムでコミュニケーションをとるための有望な経路を提供している.