Российские ученые из МГУ и ИЭФБ РАН разработали и успешно протестировали новый подход, который позволяет с использованием больших языковых моделей значительно ускорить общение для пациентов с нарушением речи. Работа опубликована в виде препринта на bioRxiv.
Специальные устройства, P300-спеллеры, уже давно позволяют парализованным пациентам набирать текст силой мысли, фокусируя взгляд на мигающих буквах на экране и за счет всплеска активности мозга на электроэнцефалографии (ЭЭГ) фиксируют выбор.
Основная проблема этих систем – это очень низкая скорость, 1-2 слова в минуту, потому что для надежного распознавания каждой буквы требуется подсвечивать одну и ту же букву до десяти раз. Именно так работает созданный и успешно протестированный в России «Нейрочат». Редакторы портала на «Нейротлоне» в Самаре лично наблюдали, как на написание фразы «Привет, Самара» у пациента, пользующегося таким устройством, уходит 5-6 минут.При этом увеличение скорости приводит к неизбежным ошибкам в тексте, который становится фактически нечитаемым.
В новом исследовании ученых из Московского государственного университета и Института эволюционной физиологии и биохимии им. И. М. Сеченова предприняли попытку использовать большие языковые модели (ChatGPT, DeepSeek, Grok) для того, чтобы исправить ошибки, возникающие при быстром наборе. В работе использовали данные ЭЭГ от десяти здоровых участников, которые набирали фразы с помощью P300-спеллера.
Испытуемый фокусируется на буквах по слову целиком, тратя на каждую букву относительно небольшое количество подсветок. Например, при использовании 2-х повторов на букву точность написания слова «FISH» составляла 40%, при 5-ти повторах – 70%, а при 10-ти достигала 100%.
Такой подход приводит к ускорению набора, но и к появлению ошибок в тексте: например, получилась фраза «HT WASHED HIS HAN S WITILTHE FRESH WATER».Текст, содержащий ошибки, затем обрабатывался тремя различными большим языковым моделями (ChatGPT, DeepSeek, Grok): все три успешно восстановили исходную, задуманную фразу «HE WASHED HIS HANDS WITH THE FRESH WATER». В результате даже при низкой начальной точности набора ИИ может исправлять ошибки на уровне целых предложений благодаря пониманию контекста.
Исследование подтверждает продуктивность нового подхода: отказ от идеального, но медленного распознавания каждой буквы в пользу быстрого набора целых слов с допустимым уровнем ошибок, которые затем исправляются большой языковой моделью. Это исследование открывает путь к созданию более быстрых и удобных систем связи для людей с тяжелыми нарушениями речи.
Текст: Юлия Баимова
Читайте материалы нашего сайта во ВКонтакте, Яндекс-Дзен и каналах в Telegram и MAX.
Connecting a P300 speller to a large language model. Mikhail A Lebedev, et al. bioRxiv 2026
DOI: 10.1101/2025.11.06.686984
Свежие комментарии