ЕЕГ не читає думки: декодування мовлення без хайпу
EEGBCIspeech-decoding
EEG-to-text поки впирається не в модель, а в сигнал
Головний факт простий: неінвазивне декодування мовлення ЕЕГ все ще не схоже на вільне «думки в текст». В огляді Frontiers про декодування прихованого мовлення прямо перелічені низький SNR, м'язові артефакти, слабке просторове розділення та практичні проблеми налаштування; огляд 2025 року додає міжсуб'єктну варіативність і маленькі різнорідні корпуси.
Тому демо треба читати обережно. У статті Frontiers 2024 року для неінвазивної ЕЕГ мова йде приблизно про 70-80% на жорстко обмежених завданнях, а на складніших сценаріях цифри падають приблизно до 20-50%. Це не «поганий продукт», це фізика каналу: електрод, гель, м'язові артефакти, сесія, конкретна людина.
Моє перше запитання до будь-якого такого анонсу: що саме декодується? Вільна фраза, вибране слово, символ з інтерфейсу, клас сцени чи реакція на стимул? Ці речі часто склеюють в один гарний заголовок, хоча інженерно це різні задачі з різною ціною помилки.
Робочі пайплайни зазвичай хитріші за заголовки
Найнадійніший шлях зараз — не «прочитати думку», а звузити простір вибору. Eye-tracking показує, куди людина дивиться, ERP на кшталт P300 підтверджує реакцію на потрібний символ або слово, а модель робить класифікацію не з безкінечної мови, а з маленького меню.
Ось тут маркетинг найчастіше починає жонглювати словами. Якщо система показує клавіатуру, ловить погляд над символом і підтверджує вибір через event-related potential, це може бути корисним BCI. Але називати це повноцінним thoughts-to-text — уже натяжка.
З відео схожа історія. За десятиліття сильно зросла не магія декодування мозку, а якість генераторів: GAN, diffusion, DiT, flow matching. Пайплайн «сигнал -> класифікація сцени -> гарна генерація» може виглядати як читання візуального досвіду, хоча ЕЕГ часто несе грубу семантику, а не точний кадр.
Де це реально змінює розклад
Реальна користь є там, де задача заздалегідь затиснута рамками: вибір команд, прості ігри, інтерфейси з кнопками, клінічна комунікація, imaginary movements. Там низька пропускна здатність не вбиває сценарій, якщо система чесно проєктується навколо обмежень.
Головний ризик — cross-patient accuracy. Модель, яка виглядає пристойно на одній людині або в одній сесії, може різко здутися на іншому пацієнті, іншому дні та іншому наборі електродів. Інвазивні підходи отримують куди кращий сигнал, але навіть там складність пайплайну швидко повертає всіх на землю.
Тож мій висновок сухий: EEG BCI живий і місцями дуже корисний, але «декодування думок» поки частіше упаковка для класифікатора, інтерфейсу вибору та гарного генератора. Найцікавіше тут не wow-демо, а чесна межа між сигналом і домальовкою.