연구자들은 수술적 임플란트 없이 자기뇌파(MEG) 기록으로부터 실시간 문장을 디코딩하는 비침습적 AI 파이프라인인 Brain2Qwerty v2를 출시했습니다. 이 시스템은 전체적으로 61%의 단어 정확도를 달성하며, 상위 수행자에게는 최대 78%에 달해 기존 비침습적 방법들을 크게 능가합니다.
- MEG 장치를 착용하고 타이핑하는 아홉 명의 참가자로부터 약 22,000개의 문장으로 학습되었습니다.
- 손으로 설계된 파이프라인이 아닌 원시 뇌 신호에서 직접 디코딩하기 위해 엔드투엔드 딥러닝을 활용합니다.
- 신경 데이터에 대규모 언어 모델을 파인튜닝하여 의미론적 컨텍스트를 활용하고 잡음이 많은 입력을 보완합니다.
- 디코딩 파이프라인 최적화를 탐색하기 위해 AI 에이전트를 배포하며, 최종 구성은 엔지니어들이 선택합니다.
- v1 및 v2의 전체 학습 코드와 파트너 BCBL로부터 제공받은 v1 데이터셋을 공개합니다.
이 연구는 뇌 병변으로 인해 의사소통이 불가능한 수백만 명에게 침습적 신경보조기 대체 가능한 확장 가능한 대안을 제공하는 것을 목표로 합니다. 뇌의 오픈 파운데이션 모델을 발전시킴으로써, 저자들은 신경계 장애의 식별과 치료 가속화를 희망합니다.