A Meta kutatói áttörést értek el az agy-számítógép interfész területén: egy új eszközt fejlesztettek ki, amely képes az agyi jeleket szöveggé alakítani. A 2025 februárjában közzétett kutatásban 35 gyakorlott gépíró részvételével vizsgálták a magnetoenkefalográfia (MEG) és elektroenkefalográfia (EEG) segítségével az agy nyelvi produkcióját. A technológia jelentősége abban rejlik, hogy nem igényel invazív beavatkozást, szemben a jelenleg elterjedt agyi implantátumokkal.
A kutatócsoport által kifejlesztett Brain2Qwerty mély tanulási rendszer több ezer karakter megfigyelése után képes megtanulni, hogy a felhasználó milyen billentyűket üt le. A MEG-alapú rendszer átlagosan 32%-os karakterhibaaránnyal működik, ami jelentősen jobb az EEG-vel elért 67%-os hibaarányhoz képest. Forest Neurotech alapítója, Sumner Norma szerint: ahogy azt újra és újra láttuk, a mély neurális hálózatok figyelemre méltó felismeréseket tárhatnak fel, ha robusztus adatokkal párosítjuk őket. A rendszer működéséhez egy MRI-hez hasonló méretű, nagy teljesítményű MEG-szkennerre van szükség, amelynek ára körülbelül 2 millió dollár. Ez a fél tonnás készülék csak speciálisan kialakított, mágneses zajoktól védett helyiségben működik megfelelően, hogy pontosan érzékelhesse az agy rendkívül gyenge mágneses jeleit. A szkennelés során elengedhetetlen, hogy a páciens feje teljesen mozdulatlan maradjon, mivel a legkisebb mozgás is torzíthatja az adatokat. Ezek a technikai követelmények jelenleg korlátozzák a technológia széles körű alkalmazását, de a kutatók folyamatosan dolgoznak a rendszer méretének és költségeinek csökkentésén, hogy a jövőben elérhetőbbé váljon.
A kutatás eredményei megerősítették a nyelvi elméletek hierarchikus előrejelzéseit: minden szó előállítását megelőző agyi aktivitás a kontextus-, szó-, szótag- és betűszintű reprezentációk egymást követő megjelenésével és eltűnésével jellemezhető. Jean-Rémi King, a Meta Brain & AI csapatának vezetője hangsúlyozta, hogy ezek a felismerések kulcsfontosságúak lehetnek a mesterséges intelligencia fejlesztésében, különösen a nyelvi modellek területén, mivel mélyebb betekintést nyújtanak az emberi nyelvi feldolgozás mechanizmusaiba.
Források:
1.
2.
Frank Landymore
3.
Antonio Regalado
