Meta 近期公布了一项引人关注的研究成果——Brain2Qwerty v2，这是一款脑机接口领域的新尝试。通俗来说，它借助 AI 从用户打字时的脑部活动中，直接“解码”出想法并转化为文字。其核心目标明确：帮助因脑损伤、中风或神经系统疾病而丧失语言或行动能力的人群，重新获得表达自我的能力。

与需要开颅植入电极的脑机接口不同，Brain2Qwerty v2 采用脑磁图 (MEG) 设备。这种方案无需手术，仅通过头皮外部记录大脑神经活动产生的微弱磁场信号，即可获取数据，随后交由 AI 模型处理并输出文字。这使其在非侵入式方案中具备独特优势。

为训练该 AI 模型，Meta 采集了 9 名志愿者的数据，共计 22000 个句子，约 10 小时的脑活动记录。为提升系统智能程度，研究团队还进行了专门的微调：利用上下文语义信息，对高噪声的脑信号进行补全与纠错。如此一来，即便原始信号不够纯净，最终生成的句子仍能保持连贯自然。

实验结果如何？根据 Meta 公布的数据，当前平均单词识别准确率约为 61%，对应词错误率 (WER) 为 39%。在表现最佳的受试者身上，准确率可提升至 78%，且超过一半的测试句子中，错误单词数量不超过 1 个。这样的成绩放在非侵入式技术路线中，已相当亮眼。

不过，这项技术目前仍存在明显瓶颈。最大问题在于：实验环境高度受限，患者必须使用大型实验室级 MEG 设备，才能准确捕捉脑磁信号。设备成本、体积以及日常使用的便利性，距离真正的实用化仍有巨大差距。换言之，现阶段它更多属于科研方向的验证，而非可随时佩戴的消费产品。

值得一提的是，Meta 已在 GitHub 上开源了 Brain2Qwerty v1 与 v2 的训练代码。合作方 Basque Center on Cognition, Brain and Language 也公开了 v1 数据集。待论文正式被接收后，v2 数据集也将对外开放。对于相关领域的研究者而言，这无疑是利好消息——可以直接复用代码，或在此基础上继续优化改进。