Добавь сайт в закладки нажми CTRL+D
Система Brain2Qwerty v2 достигла способности переводить мозговые сигналы в текст с точностью до 78%, дальнейшее развитие зависит не от новых датчиков, а от увеличения объёма данных и искусственного интеллекта
Искусственный интеллект118:15
Учёные из Meta* представили обновлённую версию системы Brain2Qwerty — одного из самых амбициозных проектов в сфере неинвазивных нейроинтерфейсов. Эта разработка позволяет преобразовывать активность человеческого мозга в текст без необходимости хирургического вмешательства, используя только внешнее сканирование магнитной активности мозга и современные алгоритмы искусственного интеллекта. Система достигла уровня точности, который ранее считался возможным лишь для инвазивных интерфейсов с электродами, имплантированными непосредственно в кору головного мозга.
Основной научный результат заключается не только в рекордной точности распознавания, но и в демонстрации нового подхода к развитию нейроинтерфейсов. Если ранее считалось, что эффективность систем «мозг — компьютер» ограничена физическими характеристиками датчиков, то исследователи продемонстрировали обратное: ключевым фактором является масштаб данных и способность ИИ извлекать смысл из сильно зашумлённых сигналов.
Проект Brain2Qwerty v2 был разработан международной междисциплинарной командой специалистов в области нейроинтерфейсов, вычислительной нейробиологии и машинного обучения под руководством группы Meta* AI Brain & AI. Среди ведущих авторов исследования — эксперты по вычислительной нейронауке и нейросетевым архитектурам, включая одного из руководителей исследований Meta* на пересечении когнитивных наук и искусственного интеллекта.
Для обучения Brain2Qwerty v2 исследователи собрали крупнейший на данный момент набор данных неинвазивного декодирования речи. Девять добровольцев провели по 10 часов в установке магнитоэнцефалографии (МЭГ), вводя на клавиатуре заранее подготовленные текстовые 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 спроектирована как полностью сквозная архитектура глубокого обучения. Она получает на вход сырые данные МЭГ и самостоятельно выявляет закономерности, связывающие мозговую активность с формированием текста. При этом модель функционирует на нескольких уровнях представления информации — от отдельных символов до слов и полных предложений.
Одним из ключевых технологических нововведений стало применение крупных языковых моделей, дообученных на нейрофизиологических данных. Вместо прямого сопоставления шумных сигналов мозга с буквами или словами, система сначала преобразует нейронную активность в высокоуровневые семантические представления — своеобразное «пространство смыслов», уже сформированное внутри языковой модели. Благодаря этому Brain2Qwerty способна восстанавливать не только отдельные слова, но и общую смысловую структуру высказывания, даже если часть нейронного сигнала потеряна или искажена.
Дополнительную роль в разработке сыграли автономные ИИ-агенты. Они использовались не для непосредственного 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 значительно превзошли предыдущие достижения в области неинвазивных нейроинтерфейсов. Средняя точность распознавания составила около 61% слов, тогда как прежние методы обеспечивали лишь около 8%. Для наиболее успешного участника эксперимента система достигла 78% точности: более половины всех предложений были декодированы с одной ошибкой или менее.
Тем не менее, наиболее важным открытием авторы считают другое. Анализ результатов показал явную лог-линейную зависимость между объёмом обучающих данных и качеством декодирования. Иными словами, производительность Brain2Qwerty увеличивается по тем же законам масштабирования, которые ранее были обнаружены у крупных языковых моделей. Это говорит о том, что существующий разрыв между неинвазивными системами и хирургическими имплантатами может оказаться не фундаментальным физическим ограничением, а инженерной задачей по накоплению достаточного объёма данных.
Фактически исследователи предлагают новую парадигму для 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 увеличением объёма обучающих выборок.
Работа является частью долгосрочной программы Meta* по созданию фундаментальных моделей мозга. Помимо Brain2Qwerty, компания развивает проекты Tribev2 для моделирования сенсорного восприятия, NeuralSet для масштабной обработки нейрофизиологических данных и NeuralBench для стандартизированной оценки нейросетевых моделей мозга. Одновременно Meta* объявила о выделении $5 миллионов на развитие открытых нейробиологических датасетов в рамках инициативы Digital Brain Project.
Практическая цель проекта остаётся неизменной: создание безопасных и доступных нейроинтерфейсов, способных вернуть возможность общения людям, потерявшим речь или двигательную активность вследствие травм мозга, инсультов или нейродегенеративных заболеваний. Однако значение работы выходит далеко за рамки медицины. Brain2Qwerty впервые показала, что путь к «чтению мыслей» может пролегать 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
ИсточникПоделись видео: