For people who have lost the ability to speak due to ALS, brainstem stroke, or other neurological conditions, brain-computer interfaces (BCIs) offer the possibility of restoring communication by decoding language directly from neural activity. The field has made substantial progress: BCIs can now decode attempted speech, imagined words, and even full sentences from brain signals—but the accuracy, speed, and vocabulary size of current systems remain far below natural speech.

The Research Landscape

Real-Time Chinese Decoding

Qian, Liu, and Yu (2025), with 4 citations in Science Advances, present a milestone: real-time decoding of full-spectrum Chinese (including tones, which distinguish meaning in Mandarin) using an intracortical BCI. Previous speech BCIs focused almost exclusively on English; Chinese presents additional challenges because tonal distinctions must be decoded alongside phonemic content.

The system demonstrates real-time decoding capability for full-spectrum Chinese—a significant advance given that previous BCIs focused almost exclusively on English. The paper represents the first BCI system to handle the tonal distinctions critical to Mandarin comprehension. (Specific accuracy figures and latency metrics should be consulted in the original paper, as they depend on the participant and experimental conditions.)

BCI + LLM Fusion

Carìa (2025), with 3 citations, examines a complementary approach: fusing non-invasive BCI spellers (which decode intended letters or words from EEG signals) with large language models that predict likely continuations. The LLM acts as an intelligent autocomplete—reducing the number of neural selections needed to produce each word.

The practical impact: if the BCI can decode 3-4 characters and the LLM correctly predicts the intended word, typing speed doubles or triples. The approach works best for common words and phrases (where LLM predictions are most accurate) and less well for unusual or technical vocabulary.

Imagined Speech Classification

Wu, Bhadra, and Giraud (2024), with 12 citations, address a lower-resource approach: classifying imagined syllables from non-invasive EEG signals. Unlike intracortical BCIs (which require neurosurgery to implant electrodes), EEG-based systems can be used with no surgical intervention—but the signal quality is much lower.

Their adaptive LDA classifier achieves real-time classification of imagined syllables at above-chance accuracy (~60-70% for binary classification), demonstrating that even non-invasive BCIs can extract linguistically meaningful information from brain signals. The accuracy is insufficient for practical communication but represents progress toward lower-cost, more accessible speech BCIs.

High-Density Micro-Electrocorticography

Lehner, Luo, and Greene (2026), with 1 citation, report initial experience with the Layer 7 Cortical Interface—a high-density micro-electrocorticography (μECoG) array that sits on the brain surface (less invasive than intracortical electrodes, more signal than EEG). The device was tested intraoperatively, demonstrating real-time speech decoding and cursor control during neurosurgery.

The μECoG approach represents a middle ground: better signal quality than EEG, lower surgical risk than intracortical implants. If chronic implantation proves safe and stable, it could expand the candidate population for speech BCIs.

Critical Analysis: Claims and Evidence

What This Means for Your Research

For neurolinguists, speech BCIs offer a window into the neural representation of language that was previously inaccessible. For clinicians, the technology is approaching practical utility for patients with severe communication disabilities—particularly through the BCI-LLM fusion approach.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 저작물에서 인용하기 전에 특정 연구 결과, 통계 및 주장을 원본 논문과 대조하여 검증해야 한다.

언어를 위한 뇌-컴퓨터 인터페이스: 신경 신호로부터 언어 해독

ALS, 뇌간 뇌졸중 또는 기타 신경학적 질환으로 인해 말하는 능력을 잃은 사람들에게 뇌-컴퓨터 인터페이스(BCI)는 신경 활동으로부터 언어를 직접 해독함으로써 의사소통을 회복할 가능성을 제공한다. 이 분야는 상당한 발전을 이루었다. 현재 BCI는 뇌 신호로부터 시도된 발화, 상상된 단어, 심지어 완전한 문장까지 해독할 수 있다. 그러나 현재 시스템의 정확도, 속도, 어휘 규모는 자연어 발화에 훨씬 미치지 못한다.

연구 동향

실시간 중국어 해독

Qian, Liu, Yu(2025)는 Science Advances에서 4회 인용된 논문을 통해 하나의 이정표를 제시한다. 바로 두개내 BCI를 사용하여 전체 스펙트럼의 중국어(북경어에서 의미를 구별하는 성조 포함)를 실시간으로 해독한 것이다. 기존 발화 BCI는 거의 전적으로 영어에만 초점을 맞추었으나, 중국어는 음소적 내용과 함께 성조 구별까지 해독해야 하므로 추가적인 어려움이 따른다.

이 시스템은 전체 스펙트럼의 중국어에 대한 실시간 해독 능력을 시연한다. 기존 BCI가 거의 전적으로 영어에만 초점을 맞추었다는 점에서 이는 중요한 진전이다. 이 논문은 북경어 이해에 핵심적인 성조 구별을 처리하는 최초의 BCI 시스템을 제시한다. (특정 정확도 수치 및 지연 시간 지표는 참가자와 실험 조건에 따라 달라지므로 원본 논문을 참조해야 한다.)

BCI + LLM 융합

Carìa(2025)는 3회 인용된 논문에서 상호 보완적인 접근 방식을 검토한다. 비침습적 BCI 스펠러(EEG 신호로부터 의도한 문자 또는 단어를 해독하는 장치)와 예상 가능한 연속 내용을 예측하는 대규모 언어 모델(LLM)을 융합하는 방식이다. LLM은 지능형 자동 완성 기능으로 작동하여 각 단어를 생성하는 데 필요한 신경 선택 횟수를 줄인다.

실질적인 영향은 다음과 같다. BCI가 3~4개의 문자를 해독하고 LLM이 의도한 단어를 정확히 예측할 경우, 입력 속도는 두 배 또는 세 배 향상된다. 이 접근 방식은 일반적인 단어와 구문(LLM 예측이 가장 정확한 경우)에서는 효과적이지만, 비일상적이거나 전문적인 어휘에서는 효과가 떨어진다.

상상된 발화 분류

Wu, Bhadra, Giraud(2024)는 12회 인용된 논문에서 보다 낮은 자원을 필요로 하는 접근 방식, 즉 비침습적 EEG 신호로부터 상상된 음절을 분류하는 방법을 다룬다. 두개내 BCI(전극 이식을 위한 신경외과 수술이 필요함)와 달리 EEG 기반 시스템은 수술적 개입 없이 사용할 수 있으나, 신호 품질이 훨씬 낮다.

이들의 적응형 LDA 분류기는 상상된 음절을 우연 수준 이상의 정확도(이진 분류의 경우 ~60~70%)로 실시간 분류한다. 이는 비침습적 BCI조차도 뇌 신호로부터 언어적으로 유의미한 정보를 추출할 수 있음을 보여준다. 이 정확도는 실용적인 의사소통에는 부족하지만, 더 저렴하고 접근 가능한 발화 BCI를 향한 진전을 나타낸다.

고밀도 미세 피질뇌파 기록

Lehner, Luo, Greene(2026)은 1회 인용된 논문에서 Layer 7 Cortical Interface, 즉 고밀도 미세 피질뇌파 기록(μECoG) 어레이에 대한 초기 경험을 보고한다. 이 장치는 뇌 표면에 위치하며(두개내 전극보다 덜 침습적이고, EEG보다 신호 품질이 높음), 신경외과 수술 중 실시간 발화 해독 및 커서 제어를 시연하는 수술 중 검사를 거쳤다.

μECoG 접근 방식은 중간적 위치를 나타낸다. EEG보다 높은 신호 품질을 제공하면서도 두개내 이식보다 수술 위험이 낮다. 만성 이식이 안전하고 안정적인 것으로 입증된다면, 발화 BCI의 적용 대상 인구를 확대할 수 있을 것이다.

비판적 분석: 주장과 근거

연구에 주는 시사점

신경언어학자들에게 음성 BCI는 이전에는 접근할 수 없었던 언어의 신경 표상을 들여다볼 수 있는 창을 제공한다. 임상의들에게 이 기술은 특히 BCI-LLM 융합 접근법을 통해 심각한 의사소통 장애를 가진 환자들에게 실용적으로 활용될 수 있는 수준에 근접하고 있다.

관련 연구는 ORAA ResearchBrain을 통해 탐색할 수 있다.