Meta非侵入式脑机接口出新版

近期，Meta公司推出了名为Brain2Qwerty v2的第二代非侵入式脑机接口（BCI）系统。尽管该系统的词汇识别准确度有了显著提高，但由于设备体积过大以及缺乏实时输出能力等瓶颈，其距离真正的临床落地仍有较长距离。

在技术实现方面，该系统的训练集由9位参与者耗时10个小时输入的2.2万条语句构成。在测试过程中，参与者需佩戴脑磁图（MEG）头显设备进行文本输入。系统通过捕捉大脑磁场的波动，结合端到端深度学习技术以及经过微调的大语言模型（LLM）来完善语义上下文，从而完成文字解码。数据显示，Brain2Qwerty v2的平均词汇准确率达到了61%，相较于初代产品40%的水平有显著提升。在表现最优的测试者中，这一指标更是高达78%，并且有超过一半的语句错误控制在一个词汇以内。此外，Meta还同步开源了该系统第一代和第二代版本的完整训练源代码，其合作机构巴斯克认知、大脑与语言研究中心（BCBL）也公开了初代的数据集。

然而，据The Register和Tom's Hardware等外媒报道，目前采用手术植入的侵入式脑机接口系统在语句识别准确率上已经突破92%，这与Meta的新系统相比存在明显差距。Meta研发团队在《自然神经科学》期刊发表的论文中，也客观指出了当前技术面临的几项核心局限。首先，该系统必须等待使用者完成整句输入后方可生成结果，不具备实时交互能力。其次，信号采集过程需要与按键时间精确同步，实现连续解码的技术路径目前仍不清晰。

另一方面，由于该模型是基于物理打字时的脑部信号进行训练的，Meta承认其对完全丧失肢体活动能力的患者作用十分有限。若要真正服务于闭锁综合征患者，系统必须兼容“运动想象”模式，并且还需要研发出能够跨用户通用的AI模型，这进一步增加了技术难度。最后，MEG传感器的物理尺寸过于庞大，当前设备的体积甚至超过了使用者及其座椅的总和，这也限制了其在临床环境中的部署与应用。