一个新的人工智能系统现在可以无需手术，直接从脑电波中实时解码出完整的句子。这个名为 Brain2Qwerty v2 的系统，其准确率已接近过去只有通过脑部手术才能达到的水平。研究团队通过开源代码和数据，希望推动脑机接口技术的发展，最终帮助那些因脑损伤而无法沟通的人恢复交流能力。
无需手术的突破
传统的脑机接口技术通常需要进行侵入性手术，例如在脑部植入电极，这使得技术难以普及。而 Meta 的新研究采用了一种 非侵入性 的方法。
- 技术核心: Brain2Qwerty v2 是一个端到端的 AI 系统。
- 目标: 帮助数百万因脑部病变而无法正常沟通的患者。
- 优势: 与需要手术的侵入性方法相比，非侵入性方法更容易推广和应用，有助于弥合现有技术的差距。
我们相信这项研究有潜力为数百万因脑部损伤而无法沟通的人们带来真正的改变。
工作原理与训练过程
该系统通过深度学习直接从原始的脑部信号中解码信息，而不是依赖传统方法去检测特定的神经事件。
- 数据来源: 系统基于9名志愿者的数据进行训练。他们佩戴 脑磁图（MEG） 设备，在10小时内记录了约2.2万个句子的脑活动。
- 训练方式: 采用 端到端深度学习，直接从原始脑信号中解码。
- 语言模型增强: 结合大型语言模型来利用语义上下文，从而在嘈杂的脑信号和连贯的语言之间架起一座桥梁。
- AI 优化: 部署了 AI 代理来探索解码流程的优化方案。
令人瞩目的准确率
Brain2Qwerty v2 的表现远超其他非侵入性方法，其解码句子的连贯性和准确性都达到了新的高度。
- 整体词准确率: 达到 61%，显著高于其他非侵入性方法的 8%。
- 最佳表现: 在表现最好的参与者身上，词准确率达到了 78%。
- 解码质量: 对于表现最佳的参与者来说，超过一半的句子解码错误不超过一个词。
研究还发现，解码的准确性随着数据量的增加而提高，这表明仅通过扩大数据规模，就有可能进一步缩小与手术方法之间的性能差距。
开源以加速创新
为了推动整个领域的发展，研究团队选择将他们的工作成果开放给社区。
- 开源内容: 完整发布了 Brain2Qwerty v1 和 v2 的训练代码。
- 数据共享: 合作机构发布了 v1 版本的数据集。
- 最终目标: 希望通过开放合作，比各自为战更快地推动神经科学发展，从而更快地识别、诊断和治疗神经系统疾病。