Meta Brain2Qwerty v2: l'IA che trasforma i segnali cerebrali in testo senza impianti

Meta ha annunciato Brain2Qwerty v2, una nuova versione del proprio sistema di intelligenza artificiale progettato per convertire l'attività cerebrale in testo scritto senza ricorrere a impianti cerebrali o interventi chirurgici. L'obiettivo del progetto non è realizzare una tecnologia per la lettura del pensiero destinata al grande pubblico, bensì sviluppare uno strumento capace di restituire la comunicazione alle persone che hanno perso la possibilità di parlare.

Il funzionamento del sistema si basa sulla magnetoencefalografia (MEG), una tecnica che rileva i deboli segnali magnetici prodotti dall'attività del cervello. Durante gli esperimenti, i volontari digitano su una tastiera mentre indossano uno scanner MEG. L'intelligenza artificiale non osserva i movimenti delle mani, ma analizza direttamente i segnali cerebrali per prevedere quale testo l'utente intende scrivere.

La principale evoluzione rispetto alla prima versione di Brain2Qwerty riguarda il metodo di elaborazione. In precedenza il sistema interpretava un carattere alla volta, mentre la nuova versione analizza contemporaneamente lettere, parole e intere frasi. Per ricostruire il testo utilizza modelli linguistici di grandi dimensioni, in grado di sfruttare il contesto per completare le informazioni mancanti, in modo simile ai suggerimenti automatici presenti nelle tastiere degli smartphone.

Le novità tecniche di Brain2Qwerty v2 di Meta

Dal punto di vista tecnico, Brain2Qwerty v2 combina diverse tecnologie di deep learning, tra cui Transformer e reti neurali convoluzionali, affiancate da modelli linguistici ottimizzati che correggono e completano i dati ricavati dai segnali cerebrali quando risultano incompleti o disturbati. Meta ha inoltre impiegato agenti di intelligenza artificiale per migliorare l'intero processo di decodifica e aumentarne l'efficienza in tempo reale. Secondo il documento di ricerca pubblicato dall'azienda, il modello è stato addestrato utilizzando circa 22.000 frasi digitate da nove partecipanti, ciascuno dei quali ha trascorso circa dieci ore indossando uno scanner MEG durante le sessioni di raccolta dati.

Le prestazioni attuali indicano una precisione media del 61% nel riconoscimento delle parole. Il miglior partecipante ha raggiunto il 78% di accuratezza e oltre la metà delle frasi ricostruite conteneva al massimo un solo errore lessicale. Meta ha inoltre reso disponibili come open source sia il codice utilizzato per l'addestramento sia il dataset raccolto, con l'obiettivo di favorire ulteriori ricerche nel settore.

Uno degli aspetti più rilevanti del progetto è l'assenza di impianti cerebrali. A differenza di altre interfacce cervello-computer ad alte prestazioni, come Neuralink, che richiedono elettrodi inseriti chirurgicamente nel cervello, Brain2Qwerty v2 utilizza esclusivamente uno scanner esterno, eliminando i rischi associati alle procedure invasive. Meta precisa comunque che la tecnologia è ancora lontana da un impiego commerciale.