La empresa Meta presentó un sistema revolucionario, Brain2Qwerty v2, capaz de reconstruir el texto escrito a partir del registro de la actividad cerebral sin intervención quirúrgica. La precisión media a nivel de palabras alcanzó el 61%, un salto impresionante en comparación con aproximadamente el 8% de los métodos no invasivos anteriores.
Cómo funciona la tecnología
Brain2Qwerty v2 se entrenó con un conjunto de aproximadamente 22 000 oraciones. En el experimento participaron nueve voluntarios sanos, cada uno de los cuales pasó 10 horas en un escáner de magnetoencefalografía, escribiendo en un teclado las frases escuchadas. En lugar de crear esquemas manuales para identificar eventos neuronales, los desarrolladores aplicaron aprendizaje profundo de extremo a extremo, decodificando datos directamente de las señales cerebrales en bruto.
El sistema trabaja con una grabación continua de la actividad cerebral y reconstruye la oración completa. Para refinar el resultado, se utiliza un modelo de lenguaje ajustado que tiene en cuenta el contexto semántico. El mejor participante del experimento alcanzó un 78% de precisión a nivel de palabras; más de la mitad de sus oraciones fueron decodificadas con un solo error o sin ninguno.
Limitaciones actuales
El desarrollo aún está lejos de una aplicación clínica o doméstica. Brain2Qwerty v2 se probó exclusivamente en voluntarios sanos que realmente escribían texto. Para personas que han perdido el habla o la capacidad de moverse, este enfoque requiere una verificación por separado. Además, el sistema no funciona como una entrada de texto completa en tiempo real; el modelo procesa la oración completa, por lo que el usuario no ve cada palabra inmediatamente después de escribirla.
El proyecto forma parte del Digital Brain Project, una iniciativa para crear conjuntos de datos neurocientíficos abiertos con un presupuesto de 5 millones de dólares.
Mi análisis: El avance de Meta en la decodificación de la actividad cerebral sin métodos invasivos es un paso significativo hacia la creación de interfaces neuronales comercialmente viables. Sin embargo, el 61% de precisión a nivel de palabras aún está lejos de una aplicación práctica. El principal desafío es la adaptación de la tecnología para personas con trastornos del habla y la motricidad, donde las señales cerebrales pueden diferir sustancialmente de las de los voluntarios sanos. Sigan el desarrollo de este campo: en los próximos 2-3 años podríamos ver los primeros prototipos para uso médico.