論文の概要: Removing Timing Shortcuts Improves Non-Invasive Brain-to-Text

• arxiv url: http://arxiv.org/abs/2609.40359v1
• Date: Wed, 30 Sep 2026 17:59:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.352818
• Title: Removing Timing Shortcuts Improves Non-Invasive Brain-to-Text
• Title（参考訳）: 削除タイミングショートカットは非侵襲的脳からテキストに改善する
• Abstract要約: 非侵襲的な脳記録からの単語の復号化に関する主要な報告は、脳データなしではほとんど再現可能である。 このショートカットをネットワークが学習するのを防ぐため,1つの簡単な変更を行う。すべてのウィンドウを共同で文に符号化するのではなく,それぞれを独立して処理する。
• 参考スコア（独自算出の注目度）: 2.053044595519301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We find that major reported improvements in decoding words from non-invasive brain recordings are largely reproducible without any brain data. In the influential work of d'Ascoli et al. (2025), time series of brain activity from subjects perceiving continuous speech are segmented into fixed-length windows starting at each word. A neural network then generates predictions for all of the words in a sentence together. Neighbouring windows partially overlap, implicitly revealing the interval between words. Since these intervals indicate the duration of the words spoken, and different words tend to have different durations - for example, "the" is much shorter than "supercalifragilisticexpialidocious" - the neural network can improve its predictions of words without relying on the underlying brain activity. Consistent with this, the method reaches 22.0% balanced accuracy on synthetic signals containing no brain information, compared with 22.3% on real brain recordings. To prevent the network from learning this shortcut, we make a single, simple change. Instead of jointly encoding all windows in a sentence, we process each independently. As a result, the neural network achieves better performance by learning underlying word-specific information from brain recordings. This makes two existing strategies become much more effective than before. Both aggregating predictions from distinct neural responses to the same word and using a pretrained LLM as a linguistic prior now substantially improve results. On our perceived speech benchmark, this simple recipe (SimpleB2T) achieves a word error rate of 36.6% with five observations per word, approaching past invasive speech decoding performance, albeit under different conditions. The results in this work expose an important shortcut in brain-to-text decoding and show that removing it leads to a simple and considerably more effective strategy.
• Abstract（参考訳）: 非侵襲的な脳記録からの単語の復号化に関する主要な報告は、脳データなしではほとんど再現可能である。 d'Ascoli et al(2025)の影響力のある作品では、連続した発話を知覚する被験者からの脳活動の時系列を、各単語から始まる固定長のウィンドウに分割する。 ニューラルネットワークは、文中のすべての単語の予測を一緒に生成する。 隣の窓は部分的に重なり、単語間の間隔が暗黙的に明らかになる。 これらの間隔は、話される単語の持続時間を示し、異なる単語は異なる持続時間を持つ傾向があり、例えば、"the"は"supercalifragilisticexpialidocious"よりもはるかに短いため、ニューラルネットワークは、基礎となる脳活動に頼ることなく、単語の予測を改善することができる。 これとは対照的に、実際の脳記録では22.3%に比べて、脳情報を持たない合成信号では22.0%のバランスの取れた精度に達する。 このショートカットをネットワークが学習するのを防ぐため、我々は1つの簡単な変更を行う。 文中のすべてのウィンドウを共同でエンコードするのではなく、それぞれを独立して処理します。 その結果、ニューラルネットワークは、基礎となる単語固有の情報を脳記録から学習することで、より良いパフォーマンスを達成する。 これにより、既存の2つの戦略が以前よりも効果的になる。 異なるニューラル応答から同じ単語への予測を集約し、事前訓練されたLLMを言語的先行として使用することで、結果が大幅に改善されている。 この単純なレシピ(SimpleB2T)は, 単語の誤り率を36.6%, 単語毎の5つの観測値で達成し, 異なる条件下で, 過去の侵入的音声復号性能に近づいた。 この研究の結果、脳からテキストへのデコーディングにおいて重要なショートカットが明らかとなり、削除がシンプルでより効果的な戦略につながることを示した。

関連論文リスト

• Integrating Language Models into Listened and Imagined Speech Decoding from MEG [19.774038251336375]
  我々は、MEG表現を音響および文脈言語表現と整合させるニューラルデコーダを訓練する。 音声音声の復号化は,音声音声の復号化よりも,言語モデルから恩恵を受けることが判明した。
  論文  参考訳（メタデータ） (2026-09-25T20:55:26Z)
• Accurate Decoding of Natural Sentences from Non-Invasive Brain Recordings [8.931958847414986]
  脳2Qwerty v2は、リアルタイム脳磁図(MEG)記録からのみ、自然文の生成をデコードできるモデルである。 ディープラーニングによるイベント検出のための手作りパイプラインの置換,意味表現を抽出するための大規模言語モデルの微調整,デコードパイプラインを反復的に洗練するためのAIエージェントの配置,という3つの方法によって,AIがこのパフォーマンスを実現することを示す。
  論文  参考訳（メタデータ） (2026-06-29T15:19:43Z)
• Decoding inner speech with an end-to-end brain-to-text neural interface [33.17572163528015]
  音声脳-コンピュータインタフェース(BCI)は、神経活動をテキストに翻訳することで麻痺のある人々のコミュニケーションを回復することを目的としている。 本稿では、単一微分可能なニューラルネットワークを用いて、ニューラルネットワークをコヒーレントな文に変換する、エンドツーエンドのBrain-to-Textフレームワークを紹介する。
  論文  参考訳（メタデータ） (2025-11-21T21:25:54Z)
• Brain-to-Text Benchmark '24: Lessons Learned [30.41641771704316]
  音声脳とコンピュータのインターフェイスは、人が神経活動だけで何を言おうとしているのかを解読することを目的としている。 Brain-to-Text Benchmark '24は、ニューラルアクティビティをテキストに変換するデコードアルゴリズムの進歩を促進する。 このベンチマークは、ブレイン・トゥ・テキスト・アルゴリズムの精度向上に向けたさらなる取り組みを支援するために、無期限に公開される。
  論文  参考訳（メタデータ） (2024-12-23T02:44:35Z)
• Decoding speech perception from non-invasive brain recordings [48.46819575538446]
  非侵襲的な記録から知覚音声の自己教師付き表現をデコードするために、コントラスト学習で訓練されたモデルを導入する。 我々のモデルでは、3秒のMEG信号から、1,000以上の異なる可能性から最大41%の精度で対応する音声セグメントを識別できる。
  論文  参考訳（メタデータ） (2022-08-25T10:01:43Z)
• Toward a realistic model of speech processing in the brain with self-supervised learning [67.7130239674153]
  生波形で訓練された自己教師型アルゴリズムは有望な候補である。 We show that Wav2Vec 2.0 learns brain-like representations with little as 600 hours of unlabelled speech。
  論文  参考訳（メタデータ） (2022-06-03T17:01:46Z)
• Short-Term Word-Learning in a Dynamically Changing Environment [63.025297637716534]
  本稿では、単語/フレーズメモリと、このメモリにアクセスして単語やフレーズを正しく認識するためのメカニズムを用いて、エンドツーエンドのASRシステムを補完する方法を示す。 誤報がわずかに増加しただけで, 単語の検出速度が大幅に向上した。
  論文  参考訳（メタデータ） (2022-03-29T10:05:39Z)
• Long-range and hierarchical language predictions in brains and algorithms [82.81964713263483]
  深層言語アルゴリズムは隣接した単語の予測に最適化されているが、人間の脳は長距離で階層的な予測を行うように調整されている。 本研究は、予測符号化理論を強化し、自然言語処理における長距離および階層的予測の重要な役割を示唆する。
  論文  参考訳（メタデータ） (2021-11-28T20:26:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。