Meta 发布非侵入式脑机接口研究 Brain2Qwerty v2，利用脑磁图（MEG）记录脑部微弱磁场并结合 AI 模型将受试者打字时的脑活动还原为自然语言，旨在帮助因脑损伤、中风或神经系统疾病失去语言或行动能力的人表达想法。模型基于 9 名志愿者约 10 小时、22000 个句子的训练数据，加入上下文语义微调以补全高噪声信号；平均单词识别准确率约为 61%（WER≈39%），最佳受试者达 78%，多数测试句子错误不超过 1 个单词。研究仍受限于需在高度受控环境下使用大型实验室级 MEG 设备，实用化距离较远；Brain2Qwerty v1/v2 的训练代码已开源，v1 数据集公开，v2 数据集将在论文被接收后开放。
6 月 30 日消息，Meta 现已公布最新脑机接口研究成果 Brain2Qwerty v2，该研究旨在开发一种无需植入电极的非侵入式文字沟通方式，通过 AI 从受试者打字时产生的脑部活动中还原自然语言，从而帮助因脑损伤、中风或神经系统疾病而失去语言或行动能力的人通过脑机接口直接表达想法。
与许多需要手术植入电极的脑机接口不同，Brain2Qwerty v2 项目使用脑磁图（MEG，Magnetoencephalography）设备记录患者大脑神经活动产生的微弱磁场来获取信号，并利用 AI 模型对信号进行处理输出信息。
在 AI 模型方面，相应模型基于 9 名志愿者的数据训练而成，包含了 22000 个句子及约 10 小时的脑部活动记录。Meta 还进行了专门微调，让系统可以利用上下文语义信息对高噪声脑信号进行补全和纠错，从而生成更加连贯自然的句子。
根据 Meta 公布的实验结果，Brain2Qwerty v2 当前平均单词识别准确率约为 61%，对应平均词错误率（WER）约为 39%。在表现最好的受试者身上，准确率最高达到 78%，而且超过一半的测试句子中，错误不超过 1 个单词。
不过，相应技术目前仍存在明显限制。首先，实验建立在高度受控环境下，患者必须使用大型实验室级 MEG 设备才能准确输出脑磁信号，因此无论是设备成本、体积，还是日常使用场景来看，都距离真正实用化还有很大差距。
目前，Meta 已经在 GitHub 开源 Brain2Qwerty v1 和 v2 的训练代码（点此访问），合作机构 Basque Center on Cognition, Brain and Language 也已经公开了 v1 数据集，而 v2 数据集将在论文正式被接收后开放。