Meta 腦機介面新突破：Brain2Qwerty v2 挑戰侵入式植入物，AI 轉譯大腦訊號更精準
編輯核心觀點
- ✦Meta 研究團隊開發出非侵入式腦機介面 Brain2Qwerty v2，透過磁腦波圖（MEG）技術，能從大腦訊號中重構出受試者打字的文字內容。
- ✦該系統引入大型語言模型 Qwen3 優化語意，將單字錯誤率降至 39%，並成功克服舊版需精確對齊按鍵時間戳記的限制。
- ✦儘管在字元準確度上仍受限於語言模型的「幻覺」傾向，但研究顯示透過增加數據量，非侵入式技術正持續縮小與侵入式植入物之間的效能差距。
非侵入式腦機介面的重大進展
Meta 旗下 FAIR 研究團隊近期發表了最新的非侵入式腦機介面研究成果 Brain2Qwerty v2。這項技術旨在透過磁腦波圖（MEG）測量頭骨外的磁場變化，將大腦活動轉譯為文字。研究人員邀請了 9 名健康受試者，每人進行長達 10 小時的紀錄，總計輸入約 22,000 個句子。受試者在聽取句子後進行打字，系統則從負責手指運動的運動皮質訊號中，重構出受試者輸入的內容。
告別時間戳記，實現非同步轉譯
相較於前一代 Brain2Qwerty v1 必須仰賴精確的按鍵時間戳記來對齊訊號，v2 版本採用了非同步處理架構。透過處理連續的訊號視窗，系統能自動分配字元，無需依賴時間資訊。研究團隊指出，這項突破歸功於訓練數據量提升至原先的 10 倍，且包含更多樣化的語句結構。
該系統結合了三項核心 AI 技術：以深度學習取代傳統手動特徵識別、針對字元、單字與完整句子進行三層級處理，並引入大型語言模型 Qwen3 對雜訊訊號進行微調，以確保輸出句子的流暢度。
效能評估：語意優於字元精準度
在評估指標上，Brain2Qwerty v2 的平均單字錯誤率（WER）為 39%，優於原始編碼器的 55% 與 v1 版本的 43%。然而，在字元錯誤率（CER）上，v2 版本反而達到 31%，高於原始編碼器的 28%。研究團隊解釋，這是因為語言模型過度傾向於產生「語法正確」的句子，當大腦訊號模糊時，模型會傾向於編造出語法通順但內容完全錯誤的句子。
「成功溝通取決於意義，而非字元的精確匹配。」
因此，團隊認為在單字與語意層面的進步，對於未來應用更具實質意義。此外，該研究也嘗試利用 Claude Opus 4.6 驅動的 AI 代理人進行自動化研究，雖然在優化參數上表現亮眼，但在處理開放式任務時仍會導致系統崩潰，顯示人類研究員在現階段仍不可或缺。
邁向臨床應用的挑戰
儘管 Brain2Qwerty v2 的準確度持續攀升，但與侵入式植入物（單字錯誤率低於 2%）相比仍有差距。神經科學家 Jean-Rémi King 表示，這項研究不僅是工程挑戰，更是理解大腦運作的視窗。未來團隊將持續透過增加數據量來提升效能，並探索使用室溫下運作的便攜式 MEG 感測器，以推動該技術從實驗室走向臨床應用。
