Meta发布了非侵入式脑机接口（BCI）AI系统Brain2Qwerty v2。该系统无需进行脑部手术，即可将脑信号转换为文本，平均词准确率达到61%。Meta称，这一结果较现有非侵入式方案有明显提升。

据Decrypt 6月29日报道，Meta近日公布了这项基于AI的非侵入式脑信号解码研究。Meta表示，这项技术旨在帮助因脑部疾病或损伤而失去沟通能力的人群更准确地表达自身意图。

Brain2Qwerty v2通过头盔式脑磁图（MEG）设备采集脑信号，再由端到端AI模型直接分析原始神经信号，恢复用户原本想输入的句子。Meta表示，团队对大语言模型（LLM）进行了面向神经数据的微调，使系统即便面对噪声较大的脑信号，也能结合上下文完成文本还原。

本次研究共招募9名志愿者。参与者佩戴MEG设备完成打字任务，研究团队为每名参与者分别采集了约10小时的脑信号数据。Meta称，模型训练共使用了约2.2万句语料，并强调Brain2Qwerty v2采用端到端深度学习架构，由AI直接学习原始脑信号，而非依赖人工提取神经事件特征。

在性能方面，Brain2Qwerty v2的平均词准确率达到61%，明显高于现有非侵入式方法约8%的水平。

Meta表示，研究结果显示，训练数据越多，解码准确率提升越明显；如果获得更多数据，系统性能仍有进一步提升空间。Meta还透露，在模型开发过程中，团队引入AI代理自动尝试不同训练流程，再由研究人员选出最优配置。

在公布研究成果的同时，Meta还开放了Brain2Qwerty v1和v2的训练代码。研究合作方也计划公开Brain2Qwerty v1数据集。相关工作属于Meta“数字大脑项目”的一部分。与此同时，Meta还运营一项规模为500万美元的科研资助基金，用于扩大开放神经科学数据集。

研究团队已将相关论文发表于学术期刊《Nature Neuroscience》。论文指出，目前高性能脑机接口大多依赖侵入式方案，即通过手术在大脑内植入电极，但这类方案受制于手术风险和长期维护成本，难以实现大规模普及。

Meta表示，Brain2Qwerty v2的准确率正逐步接近侵入式BCI技术水平，未来非侵入式技术有望缩小神经植入假体与现有非手术沟通系统之间的差距。Meta称，希望通过开放研究资源，推动神经科学领域在神经系统疾病诊断与治疗方面更快取得进展。

从行业发展看，侵入式与非侵入式脑机接口技术的竞争都在加速。Elon Musk旗下Neuralink与Synchron均在推进植入式BCI开发；由Sam Altman投资的Merge Labs也在研发面向神经系统疾病患者的沟通恢复技术。

非侵入式路线同样进展迅速。2024年，Neurable发布了一款可测量专注度与认知疲劳的AI EEG耳机；此后，MIT孵化企业AlterEgo又推出可将面部和颈部神经肌肉信号转换为文本和指令的可穿戴设备。

业内认为，Meta此次发布表明，脑信号解码领域的竞争正从以手术植入设备为主，迅速扩展至AI驱动的非侵入式技术。随着训练数据和开放数据集持续增加，相关技术在实际沟通辅助场景中的准确率和应用范围有望进一步提升。