Meta создала систему для преобразования мозговых волн в текст без хирургии
Meta объявила о новом достижении в области нейротехнологий: система Brain2Qwerty v2 декодирует мозговые волны в текст без операций. Технология использует магнитоэнцефалографию (МЭГ) для захвата сигналов мозга, пока пользователь печатает, и применяет глубокое обучение для преобразования сырых мозговых сигналов в связный текст. Система достигает 61% точности по словам у всех участников, что значительно превосходит предыдущие неинвазивные методы (8%). Для лучшего участника точность составила 78%, при этом половина всех предложений декодируется с одной ошибкой в слове или меньше. Исследователи обучали систему на примерно 22 000 предложениях, собранных от девяти добровольцев, каждый внёс 10 часов записей МЭГ. Компания опубликовала полный исходный код и набор данных в сотрудничестве с Басксим центром по когнитике, мозгу и языку (Basque Center on Cognition, Brain, and Language), поддерживая развитие нейронауки.
Ключевые факты
- Система Brain2Qwerty v2 достигает 61% точности декодирования мозговых волн в текст, что вдвое превосходит существующие неинвазивные методы (8%)
- Технология использует магнитоэнцефалографию и глубокое обучение для прямого декодирования из сырых мозговых сигналов, без ручного проектирования детекторов
- Лучшие результаты, 78% точности; половина всех предложений декодируется с ошибкой в одном слове или без ошибок
- Исследование основано на 22 000 предложениях от 9 добровольцев с 10 часами данных МЭГ на человека; точность растёт логарифмически с объёмом данных
- Meta опубликовала полный исходный код и наборы данных v1 и v2 для поддержки более широких исследований в нейронауке
Почему это важно
Эта технология адресует критическую потребность: миллионы людей с повреждениями мозга теряют способность общаться. Предыдущие методы (инвазивные имплантаты) требовали хирургии с рисками осложнений. Brain2Qwerty v2 достигает конкурентной точности без операции, используя стандартные МЭГ-сенсоры. Логарифмический рост точности с данными предполагает, что новый метод может в дальнейшем сравняться с хирургическими альтернативами путём добавления больше обучающих данных.
Кому это важно
Первоначально, люди с инсультом, травмами спинного мозга, боковым амиотрофическим склерозом (БАС) и другими состояниями, влияющими на речь или движение. Обсуждение на Hacker News выявило и людей с заиканием, которые оценили бы помощь при интервью. Более широко, это ориентир для медицинской мировой общественности в области реабилитационных нейротехнологий.
Как это применить
Система требует МЭГ-установки (супроводящие сенсоры с криогенным охлаждением) и персональной калибровки, каждый пользователь должен пройти обучение системы на его мозговых данных. Это не портативное решение: МЭГ-оборудование громоздко и дорого. Ближайшие шаги, улучшение точности через дополнительные данные, удаление необходимости в активной печати (система должна работать и без контроля типирования) и исследование более практичных сенсоров вместо МЭГ.
Можно ли доверять
Исследование проведено лабораторией Meta AI с опубликованным полным кодом и набором данных, стандартная практика открытой науки. Результаты статистически обоснованы и воспроизводимы на публичных данных. Однако о статье пока нет рецензирования в журналах (анонс в блоге). Комментаторы правильно отмечают, что это эволюция, а не революция: v2, небольшое, но статистически значимое улучшение над существующими техниками неинвазивного декодирования.
Риски и подводные камни
Первый риск, масштабируемость: МЭГ требует криогенного охлаждения супроводящих датчиков, что крайне сложно миниатюризировать. Второй, приватность данных мозга: в обсуждении на HN выражены обоснованные беспокойства о том, что нейроданные могут стать новой границей отслеживания (как когда-то произошло с печеньками и геолокацией). Meta уже имеет репутацию сборщика данных, использование ими нейротехнологии вызывает опасения о нормализации сбора мозговых данных. Третий, требование постоянной калибровки на человека затрудняет масштабирование.
«Точность декодирования растёт логарифмически с объёмом данных, предполагая, что разрыв производительности с хирургическими альтернативами может сократиться через добавление дополнительного сбора данных.»
— Meta AI Research