Meta AI发布Brain2Qwerty脑机接口模型，利用脑电波解码实现打字

最新消息 - 脑机接口（BCI）领域取得了显著进展，Meta AI 近期推出了名为 Brain2Qwerty 的创新解码器，标志着该领域的一大飞跃。BCI 的目标是让那些因生理原因而无法进行正常交流的人们能够通过意念来表达自己，这项技术无需发声，也不依赖肢体动作，为沟通障碍者带来了新的希望。目前，研究主要集中于利用脑电图（EEG）信号来解码思想。与侵入式方法不同，脑电图是一种非侵入式技术。

拓展阅读：国内AI绘画工具，除了Midjourney还有哪些？

Brain2Qwerty 解码器旨在将大脑活动转化为可理解的文本。它能够利用从脑电图（EEG）或脑磁图（MEG）等非侵入式脑部扫描技术中获取的数据，解读大脑活动并将其转化为文字。具体来说，该技术能够解码大脑中与 QWERTY 键盘上的字母选择相关的信号，从而实现意念打字。尽管面临诸多挑战，但 Brain2Qwerty 在解码大脑活动方面取得了显著进展，能够将大脑信号转化为可识别的文本信息。

Brain2Qwerty 的独特之处在于其采用了多阶段的训练方法。为了提高训练效率，研究人员使用了从脑电图和脑磁图数据中提取的时间和频率信息。该模型首先学习识别单个字母的神经活动模式，然后将这些模式组合成单词和句子。值得一提的是，这种方法允许模型在不同的受试者和实验条件下进行泛化。

在评估 Brain2Qwerty 的性能时，研究人员使用了字符错误率（CER）作为评估指标。实验结果表明，在使用脑电图数据时，该模型的字符错误率达到了 67%；而在使用脑磁图数据时，字符错误率则显著降低至 32%。此外，研究还发现，通过整合多个受试者的数据，可以将字符错误率进一步降低至 19%，这表明该技术具有巨大的优化潜力。

总而言之，Brain2Qwerty 在脑机接口领域取得的突破为实现更高效、更自然的交流方式开辟了新的道路，尤其对于那些患有严重运动障碍的人群。尽管在脑部扫描技术和数据处理方面仍存在挑战，但脑磁图的优异表现表明，非侵入式脑机接口在未来有望实现更快速、更准确的文本解码。展望未来，进一步研究可能会集中于结合各种脑部扫描技术，以期在提高解码精度和速度方面取得更大的进展。

参考文献：https://ai.meta.com/research/publications/brain-to-text-decoding-a-non-invasive-approach-via-typing/

要点总结：

🧠 Meta AI 推出的 Brain2Qwerty 解码器利用 EEG 和 MEG 技术，旨在推进 BCI 领域的发展，实现通过意念进行文本交流的目标。

📊 实验数据显示，MEG 技术的字符错误率低于 EEG 技术，整合多个受试者的数据后，字符错误率可降低至 19%。

🔍 未来的研究方向包括优化数据训练方法、提升 MEG 技术的易用性，以及探索其他适用于脑机接口的神经信号解码技术。