Meta 开源 brain2qwerty：非侵入式脑机接口实现脑电波转文字

Meta近日正式推出并开源 brain2qwerty 项目——一种全新的非侵入式脑机接口（BCI）技术。该系统能够从脑电波信号中解码出文字内容，在实验环境下准确率接近80%。消息在 Hacker News 上迅速引发热议，获超过100分的高赞。

技术原理：从脑电波到文字

brain2qwerty 的核心在于利用深度学习模型解析脑电图（EEG）信号中的语言相关模式。与传统的侵入式脑机接口不同，该系统完全依赖外部EEG设备采集头皮表面的电信号，然后通过训练好的神经网络模型将这些信号映射为对应的文字输出。

技术路径大致分为三步：首先，EEG设备记录被试者在打字或默念时的脑电信号；其次，信号经过降噪和特征提取处理；最后，一个经过大规模预训练的语言解码模型将处理后的信号"翻译"为自然语言文本。整个过程不需要任何手术、植入物或侵入式传感器。

这一技术对ALS（渐冻症）、中风后失语症、重度瘫痪等丧失语言能力的患者群体意义尤为重大。目前，这类患者的辅助沟通手段非常有限——眼动追踪和头部开关是主流方案，但操作速度慢、学习成本高。

brain2qwerty 提供了一条全新的、零风险的沟通路径。患者只需佩戴EEG设备，系统即可"读取"其大脑中的语言意图并转换为文字。虽然80%的准确率在实用场景中仍有提升空间，但考虑到其非侵入式的安全特性，这个起点已经相当亮眼。

脑机接口领域目前存在两条技术路线：Neuralink 代表的侵入式方案（通过手术在大脑中植入微电极阵列）和 Meta brain2qwerty 代表的非侵入式方案（通过外部EEG设备采集信号）。

侵入式方案的优势在于信号质量极高——直接采集神经元放电，几乎不受噪声干扰，理论上可以实现更高的解码精度。但其致命缺陷在于手术风险和长期生物兼容性问题，且受限于监管审批和伦理争议。

非侵入式方案虽然信号噪声大、解码难度高，但胜在零风险、低成本、可规模化。Meta选择将 brain2qwerty 完全开源，无疑是在推动这一赛道加速发展，让全球研究者和医疗机构能够在此基础上进行改进和应用开发。

Meta 的 brain2qwerty 证明，脑机接口不一定需要开颅手术——80%的准确率虽然不及侵入式方案，但零风险的优势可能让它更快走向大众。