Специалисты Исследовательского центра в сфере искусственного интеллекта (ИИ) Московского государственного университета имени М. В. Ломоносова повысили скорость передачи данных в нейроинтерфейсах «мозг — компьютер» за счет нового метода компенсации ошибок с помощью больших языковых моделей. Об этом сообщили ТАСС в пресс-службе МГУ.
«Авторы предложили новый подход к улучшению работы нейроинтерфейсов “мозг — компьютер”, предназначенных для набора текста людьми с тяжелыми нарушениями речи и движений. Интеграция в систему большой языковой модели позволила компенсировать ошибки интерфейсов и повысить скорость коммуникации», — сообщили в вузе.
В экспериментах использовалось устройство «P300 спеллер», которое позволяет пользователю набирать текст, концентрируя внимание на мигающих символах на экране. Система регистрирует характерный электрический сигнал мозга и на его основе определяет выбранные буквы. Несмотря на надежность, такие нейроинтерфейсы работают медленно — обычно со скоростью 1−2 слова в минуту, поскольку для повышения точности требуется длительная фиксация внимания на каждом символе. Новый подход предполагает изменение самой стратегии ввода текста: исследователи отказались от стремления к безошибочному распознаванию каждой буквы и допустили появление опечаток на уровне слов. Такой черновой вариант текста передается языковой модели, которая анализирует контекст предложения и автоматически исправляет ошибки.
«Большая языковая модель не только исправляет ошибки, но и предсказывает следующие слова, предлагая их пользователю», — пояснил профессор Михаил Лебедев, научный сотрудник Центра ИИ МГУ.
Расширение функционала устройств
Авторы протестировали метод на данных ранее проведенного эксперимента с участием добровольцев, в котором при наборе текста использовался «P300 спеллер». Ученые смоделировали ситуацию ускоренного ввода, при которой распознавание букв становится менее точным. Полученные искаженные фразы затем обрабатывались тремя языковыми моделями — ChatGPT, DeepSeek и Grok.
«Результаты показали, что все три модели успешно восстанавливали исходный смысл предложений. По мнению авторов, такой симбиоз нейроинтерфейса и языковой модели позволяет значительно увеличить скорость общения, снижая требования к точности распознавания отдельных символов. Кроме того, он расширяет функциональность нейроинтерфейса, позволяя системе не только распознавать текст, но и контекстно корректировать формулировки», — пояснили в МГУ.
Предложенный подход применим не только к «P300 спеллерам», но и к более быстрым нейроинтерфейсам. В будущем подобные гибридные системы могут использоваться в том числе для управления умным домом и интернет-сервисами, считают разработчики.
