Meta ha presentato i nuovi risultati di Brain2Qwerty v2, un progetto di interfaccia cervello-computer non invasiva che usa l’intelligenza artificiale per ricostruire il linguaggio naturale a partire dai segnali cerebrali.
Il dato più interessante riguarda le prestazioni: il sistema raggiunge una precisione media del 61% nel riconoscimento delle parole, con un picco del 78% nel soggetto migliore. Si tratta però ancora di una tecnologia da laboratorio, perché richiede apparecchiature ingombranti e costose, lontane da un impiego pratico quotidiano.
Come funziona Brain2Qwerty v2 e perché punta su un approccio non invasivo
A differenza di molte interfacce cervello-computer che richiedono l’impianto chirurgico di elettrodi, Brain2Qwerty v2 utilizza la magnetoencefalografia, abbreviata in MEG, per registrare i deboli campi magnetici generati dall’attività neurale. I segnali raccolti vengono poi elaborati da un modello AI che prova a ricostruire il testo associato all’attività cerebrale prodotta durante la digitazione.
Il sistema è stato addestrato sui dati di 9 volontari e su un set composto da 22.000 frasi e circa 10 ore di registrazioni dell’attività cerebrale. Meta ha inoltre affinato il modello per sfruttare il contesto semantico, così da completare e correggere segnali molto rumorosi e generare frasi più coerenti.
- Tecnologia non invasiva, senza elettrodi impiantati chirurgicamente.
- Acquisizione del segnale tramite magnetoencefalografia, una soluzione precisa ma legata a strumentazione specialistica.
- Addestramento basato su 9 volontari, 22.000 frasi e circa 10 ore di attività cerebrale registrata.
- Ottimizzazione del modello per usare il contesto linguistico e ridurre gli errori nei segnali più complessi.
Accuratezza, limiti pratici e stato reale della tecnologia
Nei test, Brain2Qwerty v2 ha ottenuto una accuratezza media del 61% nel riconoscimento delle parole, con un tasso medio di errore del 39%. Nel caso migliore, il sistema è arrivato al 78% di accuratezza, e in oltre metà delle frasi di prova gli errori non superavano una parola.
Sono risultati significativi per una piattaforma non invasiva, ma il quadro resta chiaramente sperimentale. Le prove si svolgono in ambienti altamente controllati e dipendono da grandi sistemi MEG da laboratorio. Costi, dimensioni e complessità operativa rendono questa soluzione ancora distante da un prodotto realmente utilizzabile fuori da contesti di ricerca.
- Precisione media nel riconoscimento parole: 61%.
- Tasso medio di errore sulle parole: 39%.
- Miglior risultato individuale: 78% di accuratezza.
- In oltre metà delle frasi testate, l’errore restava entro una sola parola.
- L’uso pratico è frenato dalla necessità di apparecchiature MEG grandi e costose.
