EEGベースの脳-LLMインターフェースによる人間の嗜好に合わせた生成

概要: 大規模言語モデル（LLMs）は、人間とコンピュータの相互作用のますます重要な要素となりつつあり、自然言語を通じて幅広い知能エージェントを協調させることを可能にします。言語ベースのインターフェースは強力で柔軟ですが、それらは利用者が明示的な言語入力を信頼性高く生成できるという仮定を暗黙のうちに置くことになります。この仮定は、音声や運動機能障害を持つ利用者、例えば筋萎縮性側索硬化症（ALS）などには成立しない可能性があります。本研究では、神経信号が LLMs への代替入力として使用できるかを調査し、特に社会的に周縁化されたり十分に支援されていない利用者を支援することを目的とします。私たちは、テスト時に EEG 信号を用いて画像生成モデルを導くシンプルな脳-LLMインターフェースを構築します。具体的には、まず EEG 信号からユーザーの満足度を推定する分類器を訓練します。その予測を、ユーザー評価中に収集したニューロフィードバックを用いて、推論を動的に適応させる test-time scaling（TTS）フレームワークに組み込みます。実験は、EEG がユーザーの満足度を予測できることを示しており、神経活動がリアルタイムの好み推定に関する情報を伝えることを示唆しています。これらの知見は、適応型言語モデル推論へニューロフィードバックを組み込む第一歩を提供し、将来の適応型 LLM インタラクションに関する新しい研究の可能性を開くことを期待しています。