Система Brain2Qwerty v2 овладела способностью переводить мозговые сигналы в текст с точностью 78%, дальнейшее развитие зависит не от новых датчиков, а от увеличения объёма данных и искусственного интеллекта
Искусственный интеллект118:15
Ученые из Meta* представили обновленную версию системы Brain2Qwerty — одного из наиболее амбициозных проектов в сфере неинвазивных нейроинтерфейсов. Это решение позволяет трансформировать активность человеческого мозга в текст без хирургического вмешательства, полагаясь исключительно на внешнее сканирование магнитной активности мозга и современные модели искусственного интеллекта. Система достигла уровня точности, который ранее считался доступным только для инвазивных интерфейсов с электродами, внедрёнными непосредственно в кору головного мозга.
Основной научный вывод работы заключается не только в рекордной точности распознавания, но и в демонстрации принципиально нового подхода к развитию нейроинтерфейсов. Ранее считалось, что эффективность систем «мозг — компьютер» ограничена физическими характеристиками датчиков, однако исследователи продемонстрировали обратное: ключевым фактором является масштаб данных и способность ИИ извлекать смысл из сильно зашумленных сигналов.
Проект Brain2Qwerty v2 был разработан международной междисциплинарной командой специалистов в области нейроинтерфейсов, вычислительной нейробиологии и машинного обучения под руководством команды Meta* AI Brain & AI. В числе ведущих авторов исследования — эксперты в области вычислительной нейронауки и нейросетевых архитектур, включая одного из руководителей исследований Meta* на стыке когнитивных наук и искусственного интеллекта.
Для обучения Brain2Qwerty v2 исследователи собрали крупнейший на сегодняшний день набор данных для неинвазивного декодирования речи. Девять добровольцев провели по 10 часов в установке магнитоэнцефалографии (МЭГ), вводя на клавиатуре заранее подготовленные фразы. В результате был создан корпус из 22 тысяч предложений, синхронизированных с высокоточной регистрацией мозговой активности.
В отличие от большинства предыдущих исследований, использовавших сложные ручные конвейеры обработки нейросигналов, новая система разработана как полностью интегрированная архитектура глубокого обучения. Она принимает на вход сырые данные МЭГ и самостоятельно выявляет закономерности, связывающие активность мозга с формированием текста. Модель функционирует сразу на нескольких уровнях представления информации — от отдельных символов до слов и целых предложений.
Одним из ключевых технологических новшеств стало применение больших языковых моделей, дообученных на нейрофизиологических данных. Вместо прямого соотнесения шумных сигналов мозга с буквами или словами, система сначала преобразует нейронную активность в высокоуровневые семантические представления — некое «пространство смыслов», уже сформированное внутри языковой модели. Это позволяет Brain2Qwerty восстанавливать не только отдельные слова, но и общую смысловую структуру высказывания, даже если часть нейронного сигнала утеряна или искажена.
Дополнительную роль в разработке сыграли автономные ИИ-агенты. Они использовались не для прямого декодирования мыслей, а для автоматизированного поиска оптимальных архитектурных решений и параметров обучения. По сути, исследователи позволили искусственному интеллекту выступить в роли инженера-разработчика, который многократно модифицировал и улучшал программный конвейер, после чего специалисты вручную отбирали наиболее эффективные конфигурации.
Полученные результаты оказались значительно лучше предыдущих достижений неинвазивных нейроинтерфейсов. Средняя точность распознавания составила около 61% слов, тогда как прежние методы обеспечивали лишь около 8%. Для самого успешного участника эксперимента система достигла 78% точности: более половины всех предложений были декодированы с одной ошибкой или менее.
Тем не менее, наиболее значительным открытием авторы считают другое. Анализ результатов показал наличие выраженной лог-линейной зависимости между объёмом обучающих данных и качеством декодирования. Иными словами, производительность Brain2Qwerty возрастает по тем же законам масштабирования, которые ранее были обнаружены у больших языковых моделей. Это указывает на то, что существующий разрыв между неинвазивными системами и хирургическими имплантатами может являться не фундаментальным физическим ограничением, а инженерной задачей накопления достаточного объёма данных.
Фактически исследователи предлагают новую парадигму развития нейроинтерфейсов. Вместо создания всё более сложных и опасных имплантируемых устройств они предлагают использовать относительно безопасные внешние методы регистрации мозговой активности, компенсируя их физические ограничения возможностями искусственного интеллекта и масштабированием обучающих выборок.
Работа является частью долгосрочной программы Meta* по созданию фундаментальных моделей мозга. В дополнение к Brain2Qwerty, компания развивает проекты Tribev2 для моделирования сенсорного восприятия, NeuralSet для масштабной обработки нейрофизиологических данных и NeuralBench для стандартизированной оценки нейросетевых моделей мозга. Параллельно Meta* объявила о выделении $5 миллионов на развитие открытых нейробиологических датасетов в рамках инициативы Digital Brain Project.
Практическая цель проекта остаётся прежней: создание безопасных и доступных нейроинтерфейсов, способных вернуть возможность общения людям, утратившим речь или двигательные функции в результате травм мозга, инсультов или нейродегенеративных заболеваний. Однако значение работы выходит далеко за рамки медицины. Brain2Qwerty впервые показала, что путь к «чтению мыслей» может лежать не через более глубокое проникновение в мозг человека, а через более глубокое понимание его сигналов искусственным интеллектом.
* Деятельность организации «Компания Meta (социальные сети Instagram и Facebook)» признана экстремистской и запрещена в РФ
Darth SaharaИсточники:AI at MetaИскусственный интеллект1Искусственный интеллектНейроинтерфейсНейронаукиНейропротезированиеМозг человекаBrain2QwertyМагнитоэнцефалографияЦифровой мозг18:15
Источник