Para peneliti telah merilis Brain2Qwerty v2, sebuah pipeline AI non-invasif yang mendekode kalimat secara real-time dari rekaman magnetoensefalografi (MEG) tanpa implan bedah. Sistem ini mencapai tingkat akurasi kata 61% secara keseluruhan dan hingga 78% untuk peserta teratas, jauh melampaui metode non-invasif sebelumnya.
- Dilatih pada sekitar 22.000 kalimat dari sembilan partisipan yang mengenakan perangkat MEG saat mengetik.
- Memanfaatkan pembelajaran mendalam end-to-end untuk mendekode langsung dari sinyal otak mentah alih-alih pipeline buatan tangan.
- Menyetel ulang model bahasa besar pada data saraf untuk memanfaatkan konteks semantik dan menjembatani input yang berisik.
- Menyiapkan agen AI untuk mengeksplorasi optimisasi pipeline dekoding, dengan konfigurasi akhir dipilih oleh insinyur.
- Melepaskan kode pelatihan lengkap untuk v1 dan v2, bersama dengan dataset v1 dari mitra BCBL.
Penelitian ini bertujuan menyediakan alternatif yang skalabel terhadap neuroprostetik invasif bagi jutaan orang dengan lesi otak yang mencegah komunikasi. Dengan memajukan model dasar terbuka tentang otak, para penulis berharap mempercepat identifikasi dan pengobatan gangguan neurologis.