ChatBCI：利用大语言模型在现实场景中改进句子组成的P300拼写器脑机接口
人机交互
2026-02-19 v1 人工智能
计算与语言
系统与控制
信号处理
系统与控制
摘要
P300拼写器脑机接口（BCI）允许用户通过检测视觉刺激后脑电图（EEG）信号中的P300成分，在图形用户界面（GUI）上选择目标键来组成句子。大多数P300拼写器BCI要求用户逐字母或逐首字母拼写单词，导致按键需求量大，增加了时间、认知负荷和疲劳感。这凸显了对更高效、更快速的句子组成方法的需求。在这项工作中，我们介绍了ChatBCI，一种P300拼写器BCI，它利用大语言模型（LLM）的零样本学习能力，根据用户拼写的首字母建议单词或预测后续单词，从而减少按键次数并加速句子组成。ChatBCI通过向GPT-3.5 API发送远程查询来获取单词建议。我们设计了一个新的GUI，将GPT-3.5的单词建议作为额外的键显示。使用SWLDA进行P300分类。七名受试者完成了两项在线拼写任务：1）使用ChatBCI抄写自编句子；2）使用ChatBCI的单词建议即兴创作句子。结果表明，在任务1中，ChatBCI平均比逐字母拼写的BCI拼写器表现更好，减少了62.14%的时间和53.22%的按键次数，并将信息传输率提高了198.96%。在任务2中，ChatBCI实现了80.68%的按键节省和8.53字符/分钟的创纪录打字速度。总的来说，ChatBCI通过利用远程LLM查询，在现实场景中增强了句子组成能力，显著优于传统拼写器，且无需本地模型训练或存储。ChatBCI的（多）单词预测功能，结合其新界面，为开发下一代高效、实时的拼写器BCI铺平了道路，尤其适用于有沟通和运动障碍的用户。
关键词
引用
@article{arxiv.2411.15395,
title = {ChatBCI: A P300 Speller BCI Leveraging Large Language Models for Improved Sentence Composition in Realistic Scenarios},
author = {Jiazhen Hong and Weinan Wang and Laleh Najafizadeh},
journal= {arXiv preprint arXiv:2411.15395},
year = {2026}
}