Meta 脑机研究突破：用 AI 非侵入式解码脑电波，打字准确率达 80%

如果想让电脑读懂你的脑子，以前最靠谱的办法是动手术：切开颅骨，把几百根微米级的电极直接插进大脑皮层里。

但这事对绝大多数人来说显然门槛太高。Meta 最近连发两篇论文，想把这层头骨「跳」过去——不用动刀、不用植入，光靠贴在头皮外的非侵入式传感器，加上深度学习模型，直接把大脑里的打字信号翻译成文字。

35 个人打字，AI 在边上看脑电波

Meta 团队这次用到了两种常见但以前很难用于精准解码的设备：脑磁图（MEG）和脑电图（EEG）。

他们找来 35 名打字员，让他们在键盘上正常敲字输入句子，同时用传感器全程记录他们大脑里细微的磁场与电信号波动。

基于这些数据，Meta 训练了一个名为 brain2qwerty 的深度学习模型。它的任务很简单：只看打字时大脑爆发的神经信号，反向推测手指正准备敲下键盘上的哪一个按键。

在脑磁图（MEG）的测试中，brain2qwerty 拿下了平均 32% 的字符错误率。换句话说，模型每读 10 个字符，就能猜对 7 到 8 个，单字准确率达到七至八成。

更让人意外的是在表现最好的测试者身上，即便面对完全没在训练数据里出现过的生词和全新长句，模型也能百分之百准确还原出来。

除了这篇专注于「打字解码」的工程论文，Meta 还同期放出了另一篇偏基础神经科学的研究，拆解了大脑神经动力学从「产生想法」到「付诸动作」的层级结构。

为什么重要

脑机接口领域过去几年一直在走两条极端的路线：要么像 Neuralink 那样追求极限精度但必须开颅，要么戴个便携头环却只能识别眨眼或者简单的专注度。

Meta 这项研究我们认为挺聪明的一点，在于它选了一个非常讨巧的切入点：打字。打字是一个高度结构化、肌肉记忆极强且反馈密集的语言输出动作，比起让人在脑子里漫无边际地「默念」，它在大脑皮层留下的动态信号明显要有规律得多。

对用户和应用场景来说，虽然现在 MEG 设备还像个巨大的头盔、造价高昂，普通人短时间内不可能搬回家用，但这套方案给那些因肌萎缩侧索硬化症（ALS）或脑卒中失去语言能力的患者，指出了一个不用冒着脑感染风险就能重新与外界沟通的方向。

在军事或特种工业领域，操作员戴上头盔就能进行无声的静默指令传输，也从科幻小说变得有了工程雏形。

不过，技术越向前走，隐患也就越真实。当外界完全不需要植入物就能从脑外拾取到思维碎片的信号时，个人思维的边界该怎么守？在社交平台上，已经有研究者和网友表达了对「思想被读取、监控甚至支配」的反乌托邦担忧。虽然距离商业化和日常佩戴还有很长的路要走，但怎么给脑电波数据立规矩，恐怕已经不能等设备小型化之后再去想了。