Компания Meta анонсировала Brain2Qwerty v2 — систему на базе ИИ, которая преобразует brain activity в текст без хирургического вмешательства. Технология, основанная на магнитоэнцефалографии (МЭГ), достигает точности распознавания слов до 78% у отдельных участников.
Принцип работы Brain2Qwerty v2
Новая система от Meta представляет собой неинвазивный нейрокомпьютерный интерфейс, предназначенный для декодирования нейронных сигналов. В отличие от инвазивных подходов, таких как Neuralink, которые требуют вживления чипов в мозг, технология Meta использует магнитоэнцефалографию (МЭГ). Этот метод регистрирует магнитные поля, возникающие в результате электрической активности нейронов, с помощью специального шлема. Indiatoday
Основная цель разработки — предоставить средство коммуникации людям с тяжелыми нарушениями речи или двигательных функций, например, в результате травм мозга или паралича. Система анализирует brain activity пользователя в момент, когда он мысленно пытается напечатать текст, и преобразует эти намерения в слова на экране. Это снижает риски, связанные с хирургическими операциями, и делает технологию потенциально более доступной. Forbes
Точность и методология обучения
Для обучения модели Brain2Qwerty v2 были использованы данные, полученные от девяти добровольцев. Каждый из них провел около 10 часов в МЭГ-сканере, набирая текст. В общей сложности было записано около 22 000 предложений. На основе этого набора данных нейросеть научилась сопоставлять паттерны мозговой активности с конкретными словами.
Система продемонстрировала среднюю точность распознавания слов на уровне 61%. У наиболее успешного участника этот показатель достиг 78%. Важной особенностью является использование больших языковых моделей (LLM), которые помогают системе корректировать ошибки и предугадывать следующие слова на основе семантического и грамматического контекста, выступая в роли своего рода «автокоррекции для мыслей».
Ключевые отличия от предыдущих версий
Brain2Qwerty v2 является значительным шагом вперед по сравнению с первой версией и другими неинвазивными системами. Основные усовершенствования включают:
- Декодирование на уровне слов. Если первая версия была сосредоточена на распознавании отдельных символов, то v2 способна декодировать целые слова и их семантическое значение. Это значительно ускоряет процесс и повышает общую точность.
- Применение End-to-End Deep Learning. Новая архитектура использует сквозное глубокое обучение для анализа необработанных сигналов мозга, что позволяет ИИ самостоятельно выявлять сложные закономерности без предварительной ручной разметки.
- Интеграция с LLM. Использование языковых моделей для постобработки позволяет заполнять пробелы, когда нейронные сигналы неоднозначны или зашумлены.
Ограничения и этические вопросы
Несмотря на прорыв, технология все еще находится на исследовательской стадии и имеет ряд существенных ограничений. Главные из них:
- Громоздкое оборудование. Современные МЭГ-аппараты весят сотни килограммов и стоят миллионы долларов, что делает их непригодными для повседневного использования.
- Отсутствие реального времени. Система обрабатывает данные с некоторой задержкой, а не мгновенно, что ограничивает ее применение для живого общения.
- Этические аспекты. Развитие технологий «чтения мыслей» поднимает серьезные вопросы о конфиденциальности данных и потенциальных злоупотреблениях. Meta подчеркивает, что система декодирует только намерения напечатать текст, а не произвольные мысли пользователя.
Частые вопросы
Как ИИ переводит активность мозга в текст без чипов?
Технология использует магнитоэнцефалографию (МЭГ) для считывания магнитных полей нейронов через специальный неинвазивный шлем. Затем нейросеть Brain2Qwerty v2 анализирует эти сигналы и преобразует намерения пользователя напечатать текст в реальные слова на экране.
Какая точность у нейросети Brain2Qwerty v2 от Meta?
Средняя точность распознавания слов составляет 61%, а у наиболее успешных участников тестирования этот показатель достигает 78%. Для повышения качества ИИ использует большие языковые модели (LLM), которые работают как автокоррекция, исправляя ошибки на основе семантического контекста.
Когда технология чтения мыслей от Meta станет доступной?
В настоящее время система ограничена лабораторными условиями из-за огромных размеров и высокой стоимости МЭГ-оборудования. Для повседневного использования разработчикам предстоит миниатюризировать аппаратуру и решить проблему задержки при обработке данных.