面向集成大语言模型的脑机接口预测性通信
人机交互
2025-04-16 v3 计算与语言
摘要
这篇综述文章旨在概述将尖端预测性语言模型与脑机接口（BCI）集成的技术现状与未来发展。首先，对从自然语言处理（NLP）模型到近期大语言模型（LLM）的早期及近期语言模型进行了综合概述，这些模型在不同程度上改进了预测性写作系统。其次，总结了先前将语言模型集成到 BCI 中的实现方案。然后，描述了少数初步研究，探讨将 LLM 与 BCI 拼写器相结合以高效支持快速通信与控制的可能性。最后，讨论了将 LLM 与 BCI 系统全面集成所面临的当前挑战与局限。近期研究表明，LLM 与 BCI 的结合可能会显著改善运动或语言障碍患者以及健康个体的人机交互。特别是，预训练的自回归变换器模型（如 GPT）凭借其并行化、通过预训练学习和微调的能力，有望在通信方面相对于此前采用简单语言模型的 BCI 系统实现显著提升。事实上，在众多模型中，GPT-2 被证明是其集成到 BCI 中的优秀候选者，尽管测试仅在模拟对话中进行而未在真实 BCI 场景中进行。从长远来看，LLM 与先进 BCI 系统的全面集成有望在快速、高效和用户自适应神经技术方面取得重大突破。
引用
@article{arxiv.2412.07355,
title = {Towards Predictive Communication with Brain-Computer Interfaces integrating Large Language Models},
author = {Andrea Caria},
journal= {arXiv preprint arXiv:2412.07355},
year = {2025}
}
备注
needs major revision