Meta 腦機研究突破：用 AI 非侵入式解碼腦電波，打字準確率達 80%

如果想讓電腦讀懂你的腦子，以前最靠譜的辦法是動手術：切開顱骨，把幾百根微米級的電極直接插進大腦皮層裡。

但這事對絕大多數人來說顯然門檻太高。Meta 最近連發兩篇論文，想把這層頭骨「跳」過去——不用動刀、不用植入，光靠貼在頭皮外的非侵入式感測器，加上深度學習模型，直接把大腦裡的打字訊號翻譯成文字。

35 個人打字，AI 在邊上看腦電波

Meta 團隊這次用到了兩種常見但以前很難用於精準解碼的裝置：腦磁圖（MEG）和腦電圖（EEG）。

他們找來 35 名打字員，讓他們在鍵盤上正常敲字輸入句子，同時用感測器全程記錄他們大腦裡細微的磁場與電訊號波動。

基於這些資料，Meta 訓練了一個名為 brain2qwerty 的深度學習模型。它的任務很簡單：只看打字時大腦爆發的神經訊號，反向推測手指正準備敲下鍵盤上的哪一個按鍵。

在腦磁圖（MEG）的測試中，brain2qwerty 拿下了平均 32% 的字元錯誤率。換句話說，模型每讀 10 個字元，就能猜對 7 到 8 個，單字準確率達到七至八成。

更讓人意外的是在表現最好的測試者身上，即便面對完全沒在訓練資料裡出現過的生詞和全新長句，模型也能百分之百準確還原出來。

除了這篇專注於「打字解碼」的工程論文，Meta 還同期放出了另一篇偏基礎神經科學的研究，拆解了大腦神經動力學從「產生想法」到「付諸動作」的層級結構。

為什麼重要

腦機介面領域過去幾年一直在走兩條極端的路線：要麼像 Neuralink 那樣追求極限精度但必須開顱，要麼戴個便攜頭環卻只能識別眨眼或者簡單的專注度。

Meta 這項研究我們認為挺聰明的一點，在於它選了一個非常討巧的切入點：打字。打字是一個高度結構化、肌肉記憶極強且反饋密集的語言輸出動作，比起讓人在腦子裡漫無邊際地「默唸」，它在大腦皮層留下的動態訊號明顯要有規律得多。

對使用者和應用場景來說，雖然現在 MEG 裝置還像個巨大的頭盔、造價高昂，普通人短時間內不可能搬回家用，但這套方案給那些因肌萎縮側索硬化症（ALS）或腦卒中失去語言能力的患者，指出了一個不用冒著腦感染風險就能重新與外界溝通的方向。

在軍事或特種工業領域，操作員戴上頭盔就能進行無聲的靜默指令傳輸，也從科幻小說變得有了工程雛形。

不過，技術越向前走，隱患也就越真實。當外界完全不需要植入物就能從腦外拾取到思維碎片的訊號時，個人思維的邊界該怎麼守？在社交平臺上，已經有研究者和網友表達了對「思想被讀取、監控甚至支配」的反烏托邦擔憂。雖然距離商業化和日常佩戴還有很長的路要走，但怎麼給腦電波資料立規矩，恐怕已經不能等裝置小型化之後再去想了。