新聞

Meta發表Brain2Qwerty v2研究，嘗試用AI從受試者打字時的腦部活動重建自然語句。研究人員使用腦磁波儀（MEG）記錄大腦活動產生的微弱磁場，不需手術植入電極，希望藉由免手術的非侵入式文字溝通方式，讓因腦部損傷而難以說話或動作的人，未來有機會透過腦機介面表達內容。

Meta解釋，Brain2Qwerty v2以9名志願受試者的資料訓練，研究團隊蒐集約22,000個句子，每名受試者各接受10小時記錄。實驗過程中，受試者在腦磁波儀中主動打字，模型再從腦部訊號推測對應文字，因此這套系統解碼的是打字任務中的腦部活動，並不能解讀人腦中任意浮現的想法。

新版系統採用深度學習直接處理原始腦訊號，不再先由人工設計流程判斷神經事件。Meta也微調大型語言模型，使系統可利用語意脈絡，協助把雜訊較高的腦部記錄整理成較連貫的句子，並使用AI代理探索解碼流程的最佳化方向，但最終訓練設定仍由工程師人工選定。

根據Meta公開的實驗資料，Meta指出，Brain2Qwerty v2的單字正確率約為61%，換算平均單字錯誤率約為39%。在最佳受試者上，單字正確率達78%，且超過半數句子只出現一個單字錯誤以內。Meta將這項結果視為非侵入式腦訊號文字解碼的一項進展。不過，目前成果仍建立在受試者主動打字與腦磁波儀記錄的受控實驗中，後續若要用於輔助溝通，仍需面對設備、使用情境與解碼準確率等限制。

從Brain2Qwerty v1的結果來看，非侵入式腦訊號技術也面臨訊號品質與設備可用性的取捨。先前刊登於Nature Neuroscience的Brain2Qwerty v1研究指出，使用腦磁波儀時，平均字元錯誤率為29%，優於使用腦電圖（EEG）時的65%。腦磁波儀訊號品質較好，但設備仍屬實驗室等級，距離可攜式、臨床或日常使用仍有落差。

Meta已在GitHub釋出Brain2Qwerty v1與v2訓練程式碼，合作單位巴斯克認知、大腦與語言中心也釋出v1資料集，v2資料集則待論文獲接受後公開。