IT之家 6 月 30 日讯 —— Meta 正式公布了其最新脑机接口研究成果 Brain2Qwerty v2。公布该研究致力于开发一种无需手术植入电极的非侵非侵入式文字沟通方案，通过人工智能技术从受试者“打字”时的入式脑部活动中还原自然语言。这一突破旨在帮助因脑损伤、脑机中风或神经系统疾病导致失语或行动障碍的接口究患者，利用脑机接口直接表达思想。新研

与传统需要植入电极的公布侵入式脑机接口不同，Brain2Qwerty v2 采用 脑磁图（MEG,非侵 Magnetoencephalography）技术。该系统通过记录患者大脑神经活动产生的入式微弱磁场来获取信号，并借助先进的脑机 AI 模型对信号进行解码与信息输出。

模型训练与优化

在 AI 模型构建方面，接口究Brain2Qwerty v2 基于 9 名志愿者的新研数据进行训练，数据集包含 22,公布000 个句子及约 10 小时的脑部活动记录。Meta 对模型进行了专门微调，非侵使其能够利用上下文语义信息，入式对高噪声的脑信号进行补全和纠错，从而生成更加连贯、自然的句子。

实验结果

根据 Meta 公布的实验数据，Brain2Qwerty v2 的表现如下：

• 平均准确率：约为 61%。
• 平均词错误率（WER）：约为 39%。
• 最佳表现：在表现最优的受试者身上，准确率最高达到 78%。
• 错误分布：超过一半的测试句子中，错误单词数不超过 1 个。

当前局限与挑战

尽管取得进展，该技术目前仍面临显著限制：

1. 环境依赖性强：实验需在高度受控的环境下进行。
2. 设备门槛高：患者必须使用大型实验室级 MEG 设备才能准确捕捉脑磁信号。
3. 实用化差距：受限于设备成本、体积及日常使用场景的适配性，距离真正的大规模实用化仍有较长道路。

开源进展

Meta 已在 GitHub上开源了 Brain2Qwerty v1 和 v2 的训练代码（点击访问）。此外，合作机构 巴斯克认知、大脑与语言中心（Basque Center on Cognition, Brain and Language）已公开 v1 数据集，而 v2 数据集将在论文正式被接收后开放共享。