ChatBCI: büyük dil modellerinden yararlanarak bağlamsal sözcük tahmini yapan bir P300 yazıcı BCI’sı, kavramsallaştan değerlendirmeye

Düşüncelere Ses Vermek

Konuşamayan veya kolayca hareket edemeyen kişiler için basit bir isteği bile iletmek yavaş ve yorucu olabilir. Bu çalışma, kullanıcıların yalnızca beyin sinyalleriyle ekranda kelimeler hecelemesine izin veren ve güçlü bir dil modelinin (ChatGPT’ye benzer) onların ne söylemek istediklerini tahmin ettiği ChatBCI’yi sunuyor. Beyin sinyalleri ile akıllı sözcük tahminini harmanlayarak sistem, iletişimi daha hızlı, daha az yorucu ve gündelik konuşmaya daha yakın hâle getirmeyi amaçlıyor.

Beyin Bir Bilgisayara Nasıl Konuşur

ChatBCI, iyi bilinen bir yaklaşım olan P300 yazıcı üzerine kuruludur. Bu düzenekte, ekranda harfler ve işlev tuşlarından oluşan bir ızgara yanıp söner. Kullanıcı istediği harfe sessizce odaklandığında, o harfin satır veya sütunu yandığında yaklaşık 300 milisaniye sonra beyin kısa ve ayırt edici bir sinyal üretir. EEG kepçesindeki elektrotlar bu ince voltaj değişimlerini kaydeder ve yazılım hangi satır ve sütunun en güçlü yanıtı verdiğini tespit ederek hedef tuşu ortaya çıkarır. Geleneksel olarak kullanıcılar her harfi tek tek seçmek zorundadır; bu doğru olmakla birlikte uzun cümleler için son derece yavaş ve zihinsel olarak yorucudur.

Akıllı Sözcük Tahmini Eklemek

ChatBCI’deki yenilik, büyük bir dil modelini doğrudan bu yazma sürecine bağlamaktır. Ekrandaki klavye hâlâ harfleri gösterir, ancak şimdi kenarlara on adet sözcük önerisi de yerleştirilir—gerçek zamanlı olarak çevrimiçi bir GPT‑3.5 modelinin sağladığı adaylar. Kullanıcı bir kelimenin veya kısa bir ifadenin bir kısmını heceler etmesiyle birlikte kısmi cümle metin olarak dil modeline gönderilir. Özenle hazırlanmış bir istem (prompt) modelin muhtemel sonraki kelimelerin veya tamamlamaların özlü bir listesini döndürmesini sağlar. Sistem bu yanıtı ayrıştırır ve önerilen her kelimeyi klavyede seçilebilir bir tuşa dönüştürür. Bu önerilerden birinin seçilmesi tüm sözcüğü (hatta kısa bir ifadeyi) anında ekler ve bir boşluk koyar; böylece kullanıcı harfleri tek tek seçmekten çok daha hızlı cümleler kurabilir.

ChatBCI’yi Test Etmek

Yedi gönüllü ChatBCI’yi birkaç aşamada test etti. Önce, bilinen tuşlara odaklandıkları sırada bireysel beyin desenleri kaydedildi; bu, P300 sinyalini tanıyan bir sınıflandırıcıyı eğitmeye olanak verdi. Ardından iki gerçekçi metin giriş görevi tamamladılar. Bir kopyalama-yazma görevinde her kişi bir resim seçti, onun hakkında anlamlı bir cümle uydurdu (örneğin su isteği veya tuvalet isteği gibi) ve sonra o cümleyi iki şekilde yazdı: bir kez öneriler açıkken ChatBCI ile, bir kez ise öneriler kapalıyken geleneksel harf‑harf modu ile. İkinci, doğaçlama görevinde ise seçilen bir harfle başlayan kendi cümlelerini serbestçe yazmaları istendi; mümkün olduğunca çok öneriye dayanarak her şeyi sıfırdan hecelemekten kaçınmaları teşvik edildi.

Daha Hızlı Mesajlar, Daha Az Tuşlama

Sonuçlar, beyin sinyalleri ile dil tahmininin birleştirilmesinin açık faydalarını gösterdi. Kopyalama-yazma görevinde ChatBCI kullanımı, bir cümle yazma süresini ortalama yaklaşık 28 dakikadan yaklaşık 10 dakikaya düşürdü—%62 civarında bir azalma—aynı zamanda doğru yazılan karakter sayısını dakikada iki kattan fazla artırdı. Gerekli tuşlama sayısı yaklaşık yarıya indi ve doğruluk iyileşti: kullanıcılar ChatBCI kullanırken neredeyse her zaman mükemmel yazılmış cümlelerle sonuçlandı. Sistemin ne kadar iş tasarrufu sağladığını yakalamak için yazarlar “tuş tasarrufu” ölçüsünü ve idealize edilmiş sistemlerle karşılaştıran yeni bir “tuş tasarrufu açık oranı”nı kullandılar; bu ideal sistemler her zaman bir veya iki eylemden sonra doğru kelimeyi tahmin edebilirdi. Serbest doğaçlama görevinde ChatBCI ortalama yaklaşık %81 tuş tasarrufu sağladı ve zaman zaman dil modelinin tek seçimle eklenebilen çok kelimeli ifadeler önermesi sayesinde teorik sınırları bile aştı.

Gerçek Dünya İletişimi İçin Anlamı

Günlük kullanıcılar—özellikle ağır hareket veya konuşma kısıtlılığı olanlar—için temel sonuç basittir: ChatBCI, insanların daha az zihinsel eforla ve çok daha kısa sürede daha fazlasını söylemesine izin verir. Dil tahminini uzak bir büyük dil modeline devrederek sistem, yerel eğitim veya büyük sözlükler gereksiniminden kaçınır, yine de kullanıcının oluşturmak istediği herhangi bir cümleye uyum sağlar. Klinik popülasyonlarda daha fazla çalışma yapılması ve bulut tabanlı dil modellerinin gizlilik, maliyet ve güvenilirlik gibi konularının ele alınması gerekirken, bu çalışma beyin arayüzlerini modern dil teknolojisiyle eşleştirmenin yavaş, harf‑harf yazmayı daha doğal, ifade düzeyinde bir konuşma aracına dönüştürebileceğini gösteriyor.

Atıf: Hong, J., Wang, W. & Najafizadeh, L. ChatBCI, a P300 speller BCI with context-driven word prediction leveraging large language models, from concept to evaluation. Sci Rep 16, 6379 (2026). https://doi.org/10.1038/s41598-025-25660-7

Anahtar kelimeler: beyin-bilgisayar arayüzü, P300 yazıcı, yardımcı iletişim, sözcük tahmini, büyük dil modelleri