Brain2Qwerty: la IA de Meta que transforma señales cerebrales en palabras

Meta presentó Brain2Qwerty v2, un nuevo sistema de inteligencia artificial capaz de convertir la actividad cerebral en oraciones completas utilizando registros no invasivos. El avance busca ofrecer una alternativa para que personas que perdieron el habla puedan volver a comunicarse sin necesidad de implantes cerebrales.

El modelo utiliza registros obtenidos mediante magnetoencefalografía (MEG) y representa una evolución respecto de la primera versión de Brain2Qwerty. Según la compañía, el sistema ya puede generar frases completas directamente a partir de la actividad cerebral continua.

Qué es Brain2Qwerty, la nueva IA presentada por Meta

Brain2Qwerty v2 es un modelo desarrollado por Meta para decodificar lenguaje a partir de señales cerebrales registradas mediante MEG, una técnica que no requiere cirugía.

La iniciativa está orientada a personas que perdieron la capacidad de hablar después de un accidente cerebrovascular, un traumatismo o un trastorno cerebral.

Hasta ahora, este tipo de comunicación solo podía recuperarse mediante neuroprótesis implantadas en la corteza motora, un procedimiento que exige una intervención quirúrgica.

Para lograrlo, combina tres módulos jerárquicos que trabajan de forma conjunta para interpretar letras, palabras y oraciones.

Qué precisión alcanzó el modelo de Meta

Según informó Meta, el modelo fue entrenado con una cantidad de datos diez veces mayor por participante respecto de la versión anterior.

Durante las pruebas realizadas con voluntarios sanos, Brain2Qwerty v2 logró decodificar oraciones completas y con sentido únicamente a partir de señales obtenidas mediante MEG.

En el participante con mejor desempeño alcanzó una precisión de hasta 78% de palabras correctas.

Cuáles son los desafíos que todavía enfrenta Brain2Qwerty

Meta reconoce que todavía existen obstáculos antes de que esta tecnología pueda utilizarse en entornos clínicos.

El primero es la precisión. Aunque el sistema logró avances importantes, aún comete demasiados errores a nivel de palabras y caracteres para resultar práctico en el uso cotidiano.

La compañía sostiene que los resultados muestran una tendencia clara: cuanto mayor es la cantidad de datos utilizada para el entrenamiento, mejor funciona el decodificador, sin detectar por ahora un límite en esa mejora.

Por qué el equipo utilizado sigue siendo una limitación

Otro desafío es el equipamiento necesario para registrar la actividad cerebral.

El estudio utilizó un escáner de magnetoencefalografía (MEG), un dispositivo de gran tamaño que actualmente no resulta accesible para la mayoría de los pacientes.

Cómo funciona Brain2Qwerty v2

La nueva versión toma como base la arquitectura de Brain2Qwerty v1, publicada el año pasado y recientemente aceptada por la revista Nature Neuroscience.

La primera versión era capaz de predecir pulsaciones de teclado a partir de patrones de actividad cerebral, pero necesitaba conocer el momento exacto de cada pulsación, por lo que no podía utilizarse en tiempo real.

Brain2Qwerty v2 elimina esa limitación y genera directamente las oraciones a partir de un registro continuo de la actividad cerebral.