El grupo de Investigación Fundamental de IA (FAIR) de Meta lanzó la versión dos de su sistema Brain2Qwerty el 29 de junio, demostrando la precisión más alta jamás alcanzada para un decodificador cerebro a texto no invasivo. El sistema traduce registros de magnetoencefalografía (MEG) en oraciones completas, sin cirugía, sin implantes.
Cómo funciona
Los voluntarios usan un casco con sensores magnéticos que miden los débiles campos magnéticos producidos por la actividad eléctrica neuronal. Mientras escriben, el sistema reconstruye las palabras deseadas asignando patrones de actividad neuronal distribuida al texto. La actualización respecto a v1, que decodificaba caracteres individuales, representa un salto en ambición: v2 procesa registros MEG continuos y reconstruye oraciones enteras.
El sistema fue entrenado con aproximadamente 22.000 oraciones escritas recopiladas de nueve voluntarios, cada uno pasando aproximadamente 10 horas dentro de un escáner MEG.
Cifras de precisión
Brain2Qwerty v2 alcanza un 61% de precisión promedio en palabras entre todos los participantes, y el mejor rendimiento llega al 78%. A nivel de caracteres, la tasa de error de palabras promedia el 39%, descendiendo al 22% para el mejor participante.
Estas cifras son modestas en comparación con los sistemas de voz a texto casi perfectos o las interfaces cerebro-computadora invasivas, el implante N1 de Neuralink ha demostrado tasas de error de caracteres por debajo del 5%, pero representan un gran avance para un enfoque completamente no invasivo que no requiere más que un casco con sensores.
Ciencia abierta, no propietaria
Meta está publicando abiertamente el código del sistema y el conjunto de datos de entrenamiento en GitHub en facebookresearch/brain2qwerty, junto con un fondo de $5 millones (aproximadamente £4 millones) para investigación abierta en neurociencia. El trabajo fue publicado simultáneamente en Nature Neuroscience.
El enfoque de código abierto contrasta con el giro más amplio de Meta hacia productos de IA propietarios, ejemplificado por la línea de productos Muse Spark. El compromiso continuo de FAIR con la investigación abierta en neurociencia sugiere que la empresa ve valor estratégico en mantener una identidad de investigación independiente.
La ventaja no invasiva
La población objetivo de Brain2Qwerty son personas que han perdido la capacidad de hablar debido a condiciones neurológicas como ELA, derrame cerebral o síndrome de enclaustramiento. Para estas personas, incluso un 61% de precisión en palabras representa un canal de comunicación donde antes no existía ninguno.
La tecnología MEG todavía tiene limitaciones prácticas importantes: los escáneres son máquinas del tamaño de una habitación que cuestan millones de dólares y requieren entornos blindados magnéticamente. El despliegue portátil sigue siendo años lejano.
No obstante, los resultados de v2 cambian la conversación en torno a las interfaces cerebro-computadora. El campo ha asumido durante mucho tiempo que la decodificación neuronal de alta fidelidad requiere perforar el cráneo. Brain2Qwerty v2 sugiere que las mejoras algorítmicas pueden reducir la brecha sin cruzar el umbral quirúrgico, haciendo potencialmente accesible la tecnología a millones de personas en lugar de a los pocos dispuestos a someterse a procedimientos invasivos.
Traducido por Alessandra