SENSE: プライバシー保護型セマンティック検索による効率的な EEG からテキストへの変換

要旨：脳の活動を自然言語へデコードすることは、AIにおける主要な課題であり、支援通信、神経技術、ヒューマン-コンピュータ相互作用といった重要な応用を有します。既存の多くのブレイン-コンピューター・インターフェイス（BCI）アプローチは、生のEEG信号上での大規模言語モデル（LLMs）やエンコーダ-デコーダモデルのメモリ集約的な微調整に依存しており、結果として高価なトレーニングパイプライン、限られたアクセス性、および機微な神経データの露出の可能性を招きます。我々はSENSE（SEmantic Neural Sparse Extraction）、LLMの微調整なしに非侵襲的な脳波計（EEG）をテキストへ翻訳する、軽量でプライバシー保護的なフレームワークを紹介します。SENSEはデコードを二段階に分離します：デバイス上での意味検索とプロンプトベースの言語生成。EEG信号はローカルに離散的なテキスト空間へマッピングされ、機密性の低いBoW（Bag-of-Words）を抽出し、これが市販のLLMを条件付けてゼロショット方式で流暢なテキストを合成します。EEGからキーワードへのモジュールは約6Mパラメータしか含まず、完全にデバイス上で動作し、生の神経信号は局所にとどまり、抽象的な意味手掛かりだけが言語モデルと相互作用します。六名の被験者を対象とした128チャネルのEEGデータセットで評価したところ、SENSEはThought2Textのような完全微調整済みベースラインの生成品質に匹敵するか上回る一方で、計算オーバーヘッドを大幅に削減します。神経デコードを局所化し、導出されたテキスト手掛かりのみを共有することで、SENSEは次世代のBCIに向けた、拡張性が高くプライバシーに配慮したリトリーバル強化型アーキテクチャを提供します。