Meta 今天同时放出两个大动作：Brain2Qwerty v1 论文正式登上 Nature Neuroscience，v2 同日发布。v1 去年以预印本形式公开时，能从脑电信号里逐字母还原打字内...
AI 摘要
Meta 发布 Brain2Qwerty v2，实现非侵入式脑机接口句子级实时解码，平均单词准确率 61%，最佳被试达 78%，超过一半句子误差在一个词以内。v1 论文同日登上 Nature Neuroscience，字符错误率 32%。此前非侵入式方法单词准确率仅 8%。v2 使用端到端深度学习处理原始脑信号，并微调大语言模型利用语义上下文。Meta 开源全部训练代码，合作方 BCBL 开放 v1 数据集。目前 MEG 设备体积大、成本高，且仅在健康被试上验证，离实用仍有距离。 核心观点： 1. Brain2Qwerty v2 平均单词准确率 61%，最佳被试 78%，此前非侵入式方法仅 8%。 2. 解码准确率随数据量呈对数线性提升，单靠增加数据可能缩小与侵入式方法的差距。 3. v2 使用端到端深度学习处理原始脑信号，并通过微调大语言模型利用语义上下文。
推荐理由高信息密度，值得细读
原文
作为参照，此前非侵入式方法的单词准确率只有 8%。
这里说的“非侵入式”，就是不需要开颅手术、不需要往脑子里植入电极。被试戴的是 MEG（脑磁图）设备，通过头皮外的传感器捕捉大脑活动产生的微弱磁场。相比之下，Neuralink 那类侵入式脑机接口准确率能到 90% 以上，但代价是一台开颅手术。
v2 的训练数据来自 9 名志愿者，每人戴着 MEG 设备打字 10 小时，总共录了约 22,000 个句子。系统用端到端深度学习直接处理原始脑信号，再通过微调大语言模型来利用语义上下文，把嘈杂的神经数据“翻译”成连贯的语言。Meta 还提到他们用 AI Agent 来探索解码流程的优化方案，最终的训练配置由工程师人工选定。
一个有意思的发现：解码准确率随数据量呈对数线性提升。也就是说，单靠增加训练数据就有可能继续缩小和侵入式方法之间的差距。
Meta 开源了 v1 和 v2 的全部训练代码，合作方 BCBL（巴斯克认知、大脑与语言中心）则开放了 v1 的数据集。
离实用还有多远？
MEG 设备体积大、造价数百万美元、需要磁屏蔽房间，目前只能在实验室环境下运行。而且这次的被试都是健康人，能否在真正需要帮助的脑损伤患者身上复现效果，还没有验证。便携式 MEG 替代方案（基于光泵磁力计）正在研发中，但离消费级产品还有相当距离。
不过，把非侵入式脑机接口的句子解码能力从“几乎不能用”拉到“大致能沟通“，这一步本身的意义在于：它证明了不开刀也有可能做到接近开刀的效果，剩下的是工程问题而非原理问题。
对全球数百万因脑损伤而丧失沟通能力的人来说，一条不需要手术的路径，哪怕还很远，还是很值得期待。
官方介绍：https://ai.meta.com/blog/brain2qwerty-brain-ai-human-communication/
讨论
暂无评论。