編按：本文綜合整理自 Meta AI Blog 官方公告、facebookresearch/brain2qwerty GitHub 開源倉庫、Nature Neuroscience 期刊論文（v1）、Meta v2 預印本、MarkTechPost 與 explainx.ai 第三方分析，以及 Hacker News 48739466 討論串（140 分、74 則回應），並加入 Siami 編輯部觀點與分析。
Meta FAIR 實驗室 6 月 29 日正式公開 Brain2Qwerty v2——一套能在完全非侵入的情況下，從受試者腦部磁訊號（MEG）即時解出自然語句的深度學習系統。整套 v1 + v2 的訓練程式碼以 CC BY-NC 4.0 授權釋出到 GitHub，v1 資料集也同步上 Hugging Face，是近年「腦機介面（BCI）」領域最完整的開源釋出之一。
技術本質是這樣：受試者戴著 MEG 頭盔、看著螢幕「打字」（不是真的打，是默念著要打出哪個字、按鍵節奏在心裡走過），整套系統連續讀取腦訊號後，用一個三層式深度模型（Convolutional encoder → Conformer → Character-level LLM）即時還原成文字。不需要開腦、不需要晶片植入，是這次成果最被強調的一點。
從 v1 到 v2：差在哪？
v1 在 2025 年 2 月首次發表，當時的核心限制是「必須知道每個按鍵的時間戳記」——換句話說，模型其實是在做離線後處理，不是真正的即時。v2 把這個依賴拔掉，改成「給一整段連續 MEG 訊號，模型自己找出按鍵邊界、再解出整句話」，這也是 v1 那篇被 Nature Neuroscience 收掉之後，v2 預印本最受矚目的工程突破。
| 指標 | Brain2Qwerty v1 | Brain2Qwerty v2 |
|---|---|---|
| 訓練資料量（每人） | 約 2,200 句 | 約 22,000 句（10 倍） |
| 平均字詞準確率 | 48% | 61% |
| 最佳受試者字詞準確率 | 40%（舊基準） | 78% |
| 即時連續解碼 | ❌ 需按鍵時間戳 | ✅ 純連續訊號輸入 |
Source: facebookresearch/brain2qwerty 官方說明 + marktechpost 第三方實測整理。
「78% 最佳受試者」這數字其實是上限值——平均落在 61%、WER（字錯率）約 39%，日常溝通仍不夠實用。但研究團隊自己強調，準確率隨資料量對數線性成長，目前還沒看到明顯的天花板。
模型架構：MEG → Conformer → Aligner → LLM
Brain2Qwerty v2 把整條 pipeline 切成三個可獨立訓練的模組，這是它跟 v1 最大差異：
- Convolutional Encoder（MEG 訊號編碼器）：吃原始 MEG 時序訊號，產出隱徵序列。底層用的是 Conformer 變體（CNN + Transformer 混合），對 MEG 這種高時間解析度的訊號特別有效。
- Aligner（對齊器）：在沒有按鍵時間戳的情況下，自己學會把隱徵序列對齊到「按鍵節奏」上，輸出每個候選字元的機率分佈。
- Character-level Language Model（字元級語言模型）：把對齊器的輸出進一步去噪、補完，吐出可讀的整句話。研究團隊也實驗了 fine-tune 過的 LLM 接在後面，進一步把 WER 壓到 22%（最佳受試者）。
整條 pipeline 的訓練資料來自巴斯克認知、大腦與語言中心（BCBL）招募的 35 名健康受試者——他們都是看著螢幕默念要打哪個字、按鍵節奏在心裡走過。
為什麼非侵入這件事值得講三次
過去二十年腦機介面的「聖杯」一直是有沒有辦法不開腦就解出語言訊號。現有兩條主流路徑各有明顯限制：
- 侵入式（implant）——Neuralink、Synchron、Blackrock 這幾家走的路線。直接在大腦運動皮層植入電極陣列，單字解碼速度可達每分鐘 60+ 字，但必須承擔開顱手術風險、術後感染、長期生物相容性問題，只適合 ALS、嚴重癱瘓等特定病友。
- 非侵入式 EEG——把電極貼在頭皮上，完全無風險，但訊號雜訊比極差，過去的基準只有 8% 左右的字準確率，離實用還有十年以上距離。
MEG 夾在中間——它不需要開腦、也不是貼電極，而是用 SQUID（超導量子干涉儀）量測大腦神經元放電產生的微弱磁場。時間解析度跟 EEG 接近（毫秒級），但空間解析度好很多，缺點是機器要泡在液態氨裡、整台像太空艙一樣大。
Brain2Qwerty v2 證明了一件事：只要資料量跟模型架構對，非侵入 MEG 可以逼近侵入式 BCI 的水準。對全球數百萬因中風、ALS、腦傷而失去語言能力的病友來說，這是 2024-2026 這波 BCI 熱潮裡最具體的一條「不上手術檯」路徑。
開源生態：v1 + v2 code 全釋出
跟多數科技巨頭把 BCI 成果藏在專利後面的做法不同，Meta 把 v1 跟 v2 的訓練/推論 code 整包丟上 GitHub：
- GitHub Repo：
facebookresearch/brain2qwerty，含 v1 跟 v2 兩套獨立 pipeline、神經網路架構定義、訓練腳本、評估工具。 - v1 資料集：35 名西班牙語受試者、約 22,000 筆 MEG 打字序列，已上 Hugging Face（
bcbl190626/SpanishBCBL），可自由下載做學術研究。 - v2 資料集：因 v1 已經投稿 Nature Neuroscience、v2 目前處於 embargo 狀態，要等期刊正式接受後才會公開。
- 授權：CC BY-NC 4.0，禁止商業使用——這條限制是 Meta 跟 BCBL 的共識，避免被第三方拿去商業化成「讀心產品」。
對學術界跟醫療器材開發者來說，這是 2026 上半年最重要的一份開源 BCI 資源。其他 MEG 實驗室（如 KIT、UC Berkeley 的 Helen Wills Neuroscience Institute）現在可以不用從零開始，直接拿 Brain2Qwerty 當 baseline 改。
🚨 為什麼這件事重要
Brain2Qwerty v2 的釋出不只是「Meta 又多了一份酷研究」——它把 BCI 領域三條結構性界線同時往前推：
第一，學術界終於有可複現的 MEG-BCI 基準。 過去 MEG 解碼的 SOTA 報告散落在 KIT、SFN、EMBC 等會議的 poster 裡，沒有統一 benchmark。Brain2Qwerty v1 進 Nature Neuroscience + v2 開源 code + 公開 v1 資料集，等於把整個領域的 baseline 一次拉到位。未來任何新模型要聲稱「超越 Brain2Qwerty」都可以直接跑同一份測試集比，這對加速整個學科非常關鍵。
第二，MEG 機器「穿戴化」的可能性被打開。 Meta 自己在 paper 裡提到 MEG 感測器正在往 wearable 方向走（部分研究團隊已展示背包式原型），這代表 MEG 不再是「只能在大學醫院地下室才有的稀有設備」。如果 3-5 年內能壓到 1/10 成本，Brain2Qwerty v2 的模型就有機會直接接到診所級 MEG 上，先服務中重度失語症病友。
第三，Meta 在 BCI 路線上的策略定位被市場重新校準。 Zuckerberg 過去幾年大力推 AR/VR（Quest、Ray-Ban Meta）、AI（Llama 系列）跟 metaverse，但 BCI 一直是「小眾實驗室」路線——Brain2Qwerty v2 的公開 + 開源訊號，是 Meta 第一次明確把 BCI 放上「未來五年主軸」的位置。HN 討論串裡也有人觀察到：「Metaverse 那個大賭注看起來已經認賠，現在 AI 跟 BCI 才是真的主戰場。」
對台灣相關產業的意義：工研院生醫所、國家衛生研究院、陽明交大腦科學研究所都有 MEG 設備，Brain2Qwerty 的開源讓這些單位可以直接做本地化（如中文打字、注音輸入）的延伸研究，不必等 Meta 自己做。
🚨 數據解讀 / 質疑
讀 paper 跟報導時有幾個地方需要特別小心，不要把 78% 跟「通用解碼器」搞混：
- 78% 是「最佳受試者」上限，平均只有 61%。 解碼器的表現對個別受試者差異極大——這跟 MEG 訊號本身高度個人化有關。意思是這套模型目前不能「裝在陌生人頭上就立刻能用」，每位病友可能需要數小時到數天的個人化校準。對臨床落地是個大工程問題。
- 論文目標是「打字」動作引發的腦訊號，不是純思考。 HN 用戶 smath 提出很關鍵的質疑：「大腦不是用字思考，是用概念思考的。」Brain2Qwerty 解的是「默念打字節奏」這種高度結構化的動作訊號，離『讀心術』或『解出自由思考內容』還非常遠。把這次成果過度神化為「AI 讀心」是不準的。
- MEG 機台體積是落地瓶頸。 HN 用戶 mpenick、Sanzig 兩位都點出 MEG 用了 SQUID 必須泡在液態氦裡，整台機器要佔一整間冷卻實驗室。Sanvig 補充：「除非有人發明室溫超導，否則 MEG 不可能像 MRI 那樣普及。」這是 Brain2Qwerty 從「研究突破」走到「醫院標配」最難跨過的硬體門檻。
- 隱私疑慮被低估。 HN 用戶 fooker、moolcool、emsign 連續三位都從隱私角度開砲，核心論點是：這套技術由 Meta（也就是 Facebook，那家曾被踢爆監看員工螢幕、推 Ray-Ban 智慧眼鏡錄影的公司）主導，公信力先天打折。對社會大眾來說，「非侵入 BCI 開源」並不等於「可以放心交給 Meta 推」。這也是 paper 特別強調「non-commercial、CC BY-NC 4.0」授權的原因——Meta 自己也知道商業化會被嚴格審視。
- HN dang 還主動刪了一段「offtopic」討論，顯示這個議題在 HN 已經觸發到倫理/政治敏感區。這跟 2024 年 Neuralink 第一次人體試驗時的氛圍有點類似——技術本身被認可、社會應用被質疑。
網友熱門留言 (4)