Пока Илон Маск и Synchron соревнуются в точности сверления черепных коробок, подразделение Meta FAIR (Fundamental AI Research) тихой сапой доказывает: глубокое обучение способно компенсировать шум сигнала, проходящего сквозь кость. Обновленная модель Brain2Qwerty v2 — это не просто очередной лабораторный прогон, а прямая угроза бизнес-модели инвазивных интерфейсов. Команда Марка Цукерберга научилась реконструировать связные предложения из магнитоэнцефалографии (МЭГ), показав средний уровень ошибок (WER) в 39%, а у лучших испытуемых — 22%. Для неинвазивного метода, где данные собираются без риска сепсиса и постоперационного обслуживания, это звучит как приговор для сегмента дорогих медицинских имплантов.
Декодирование без скальпеля
Технический прыжок v2 обусловлен переходом к асинхронному окну сигналов. Если первая версия требовала прецизионной временной привязки к каждому нажатию клавиши, то вторая сама распределяет символы в потоке данных. Это устраняет критический барьер для коммерческого использования в реальном времени, хотя разработчики признают, что порог real-time еще не пройден. Датасет вырос в десять раз по сравнению с предшественником: девять добровольцев напечатали 22 000 предложений, пока датчики МЭГ фиксировали активность моторной коры, отвечающей за движение пальцев. Для венчурных инвесторов и руководителей MedTech-проектов юнит-экономика здесь выглядит убийственно привлекательно: ноль хирургических рисков против необходимости пожизненного сопровождения чипа внутри головы.
Сигнал считывается преимущественно из моторной коры, что позволяет восстанавливать текст, даже когда пользователь не видит экрана.
Парадокс языковой модели
Архитектура Brain2Qwerty v2 опирается на три блока ИИ, где ключевую роль играет дообученная языковая модель (LLM). Она выступает в роли когнитивного стабилизатора, превращая сырой «шум» мозга в членораздельную речь. Статистика подтверждает: без LLM уровень ошибок взлетает до 55%, но с её включением падает до приемлемых 39%. У самого успешного участника эксперимента 28% предложений были декодированы идеально, а почти половина — с ошибкой максимум в одно слово. Примечательно, что для ускорения разработки Meta использовала ИИ-агентов даже для написания оптимизационного кода, что намекает на автоматизацию самого процесса создания нейроинтерфейсов.
Стратегический интерес Цукерберга здесь далек от чистой альтруистической помощи парализованным пациентам. Это игра «вдолгую» за контроль над носимыми устройствами. Если Meta удастся миниатюризировать МЭГ-датчики до форм-фактора очков или наушников, они получат интерфейс мечты: ввод текста без голоса, движений рук и физических кнопок. Разрыв в точности с инвазивными чипами все еще велик, но масштабируемость носимого гаджета на порядки выше, чем у нейрохирургической операции. Meta делает ставку на то, что «умный» софт вытянет низкое разрешение сенсоров, превращая продукты Neuralink в нишевое решение для критических клинических случаев, в то время как массовый рынок заберет неинвазивный ИИ.