Meta全新脑机接口模型，挑战Neuralink！无需植入芯片实现「心灵感应」

原标题：Meta全新脑机接口模型，挑战Neuralink！无需植入芯片实现「心灵感应」
文章来源：新智元
内容字数：6969字

Meta AI的非侵入式脑机接口：Brain2Qwerty模型

脑机接口技术正飞速发展，侵入式方案尽管展现出令人瞩目的成果，例如Neuralink实现的“心灵感应”，但其伴随的医疗风险不容忽视。Meta AI另辟蹊径，推出了非侵入式的Brain2Qwerty深度学习模型，为更安全可靠的脑机接口技术提供了新的方向。

1. Brain2Qwerty模型的核心技术

   Brain2Qwerty采用三阶段深度神经网络架构：首先，卷积模块提取脑电图(EEG)或脑磁图(MEG)信号的特征；然后，转换器模块利用自注意力机制捕捉句子级别的上下文信息，优化按键预测；最后，预训练语言模型利用语言统计规律，进一步提高解码准确性。该模型通过分析大脑活动，直接解码用户在键盘上输入的文字。

2. 实验结果与性能比较

   实验结果显示，Brain2Qwerty模型在MEG数据上的表现显著优于EEG数据，MEG的平均字符错误率（CER）为32%，EEG的平均CER为67%。最佳MEG受试者的CER甚至低至19%。与线性模型和EEGNet基线模型相比，Brain2Qwerty也展现出显著的性能优势。消融实验也证明了该模型三阶段架构的有效性，每个阶段都对最终性能有显著贡献。

3. MEG与EEG的性能差异

   研究发现，MEG在手部按键分类和字符解码方面都优于EEG。MEG的峰值准确率达到74%，而EEG仅为64%。这可能是因为MEG具有更高的空间分辨率，能够更精确地捕捉大脑活动。

4. 键盘布局和打字错误的影响

   研究表明，Brain2Qwerty模型的解码错误与QWERTY键盘的物理布局相关，相邻按键更容易被混淆。此外，打字错误也会显著降低解码性能。正确按键的CER显著低于错误按键，这表明过程的准确性直接影响解码质量。

5. 模型的局限性和未来展望

   虽然Brain2Qwerty模型在非侵入式脑机接口领域取得了重要进展，但其性能与侵入式方法相比仍存在差距。目前MEG设备的便携性也限制了其应用。然而，随着新型脑磁图传感器的开发，未来非侵入式脑机接口技术有望取得更大突破，为构建更安全、更便捷的人机交互方式提供新的可能性。

总而言之，Meta AI的Brain2Qwerty模型为非侵入式脑机接口技术的发展带来了新的希望，其非侵入式的特性显著降低了医疗风险，并展现了令人鼓舞的解码性能。尽管仍存在一些局限性，但该研究为未来人机交互方式的革新奠定了坚实的基础。

联系作者

文章来源：新智元
作者微信：
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。