@AIatMeta：Meta 發布 Brain2Qwerty v2 實現腦波轉文字。 核心技術突破 Meta 推出的 Brain2Qwerty v2 是目前效能最高的非侵入…

Meta 發布 Brain2Qwerty v2 實現腦波轉文字。 核心技術突破 Meta 推出的 Brain2Qwerty v2 是目前效能最高的非侵入式端到端解碼管線，旨在解決腦部病變或神經障礙患者的溝通難題。相較於傳統需要手術植入電極的侵入式神經義肢，該技術透過 MEG（腦磁圖）設備擷取原始腦波訊號，並結合大型語言模型進行微調，成功將解碼層級從單一字元提升至詞彙與語意層次，實現即時的句子解碼。 影片展示了名為 Brain2Qwerty v2 的非侵入式即時解碼技術，旨在將大腦活動轉換為文字。 效能與數據表現 該系統透過 9 名志願者、每人 10 小時配戴 MEG 設備進行打字記錄，累積約 22,000 個句子作為訓練資料。其具體效能表現如下： 平均詞彙準確率達到 61%，顯著優於其他非侵入式方法（約 8%）。 表現最佳的參與者詞彙準確率高達 78%，且超過 50% 的句子解碼錯誤率在 1 個單字以內。 研究發現解碼準確率與資料量呈對數線性（log-linear）正相關，顯示透過擴大資料規模，有望進一步縮小與侵入式技術的效能差距。 Brain2Qwerty v2 相較於 v1，在訓練數據量（約 22,000 句對比約 2,000 句）、字元正確率（v2 69% 對比 v1 61%）以及最佳參與者的單字正確率（78% 對比 48%）上皆有顯著提升。 開發架構與資源釋出 為了加速神經科學領域的發展，Meta 採取開放研究策略，並與巴斯克認知、大腦與語言中心（BCBL）合作，推動技術透明化： 釋出 Brain2Qwerty v1 與 v2 的完整訓練程式碼。 由 BCBL 釋出 v1 的研究資料集。 系統架構捨棄了傳統的手動特徵工程，改採端到端深度學習直接處理原始腦波訊號。 過程中導入 AI Agent 探索解碼管線的優化方案，最終配置則由工程師手動選定。 研究願景與影響 這項工作是 Meta「數位大腦專案」（Digital Brain Project）的一部分，旨在建立開放的大腦基礎模型。Meta 透過近期設立的 500 萬美元基金，鼓勵學界投入開放資料集的建置，期望藉由公開研究打破神經科學領域的封閉研究現狀，加速對神經系統疾病的診斷與治療。相關研究成果與工具可至 Meta 官方頁面 探索。原文：https://easyvibecoding.app/curated/2256