Nature子刊：非侵入式腦機(jī)接口將大腦活動解碼為語言輸出，準(zhǔn)確率可超八成

撰文丨王聰

編輯丨王多魚

排版丨水成文

過去十幾年，侵入式腦機(jī)接口的發(fā)展速度驚人：癱瘓患者可以通過植入大腦的電極，直接“意念打字”，甚至合成語音，實現(xiàn)接近正常人的交流速度。但這類技術(shù)有個繞不開的痛點：需要進(jìn)行開顱手術(shù)，以植入電極。

不管是電極植入還是長期設(shè)備維護(hù)，都存在腦出血、感染的風(fēng)險，很難大規(guī)模普及到普通患者身上。而非侵入式方案，例如腦電圖（EEG），雖然安全，卻一直受困于信號質(zhì)量差、解碼精度低——之前的公開基準(zhǔn)測試中，EEG 對 4 類運(yùn)動想象的分類準(zhǔn)確率僅為 43.3%，離實用還差得很遠(yuǎn)。

有沒有辦法兼顧安全和性能一項最新研究給出了肯定答案——用更好的信號采集設(shè)備 + 更適配的 AI 模型，非侵入式腦機(jī)接口也能做到高精度的語言解碼。

該研究以：Noninvasive decoding of typed sentences from human brain activity 為題，于 2026 年 6 月 29 日發(fā)表于Nature Neuroscience期刊，研究團(tuán)隊來自Meta AI。

該研究開發(fā)了一種名為Brain2Qwerty的 AI 模型，首次實現(xiàn)了從非侵入式腦機(jī)接口記錄的腦電信號中解碼人類“敲鍵盤打出的完整句子”——通過腦磁圖（MEG）或腦電圖（EEG）解碼打字時的腦電活動，從而“讀出”他們想輸入的句子。實驗結(jié)果顯示，使用 MEG 時的平均字符錯誤率僅為 29%，遠(yuǎn)優(yōu)于 EEG 的 65%；最佳受試者的字符錯誤率甚至能低至 18%，并能完美解碼訓(xùn)練集之外的多種句子。

這項研究大大縮小了侵入式腦機(jī)接口與非侵入式腦機(jī)接口之間的性能差距，為未來幫助無法說話或行動的患者實現(xiàn)安全、無創(chuàng)的交流打開了新的希望之門。

值得一提的是，Nature Neuroscience論文中發(fā)布的是Brain2Qwertyv1 版，而 v2 版可實時將腦信號翻譯為句子。

實驗是怎么做的？

研究團(tuán)隊找了 35 名健康的右利手志愿者，讓他們完成一個“看句子→記句子→盲打句子”的任務(wù)——

1、先在屏幕上逐個看單詞（每個詞顯示 0.5 秒左右，沒有間隔）；

2、看完后盯著屏幕中心的十字固定 1.5 秒，把句子記在腦子里；

3、最后在沒有任何視覺提示的情況下，把記住的句子敲在定制的鍵盤上——全程不能回刪改錯，只能盯著屏幕中心，每敲一個鍵，屏幕上的小方塊會轉(zhuǎn) 10 度，避免眼動干擾解碼。

實驗中同時采集了兩種腦信號：20 名參與者用 EEG（64 通道腦電圖），20 名用 MEG（306 通道腦磁圖）——后者雖然設(shè)備笨重、需要在屏蔽室中使用，但對皮層神經(jīng)活動的捕捉靈敏度遠(yuǎn)高于 EEG，信噪比更高。

整個數(shù)據(jù)集加起來超過 5 萬條句子、30 多萬字符，為 AI 模型的訓(xùn)練提供了充足的數(shù)據(jù)。

Brain2Qwerty：三層 AI 架構(gòu)破解腦信號密碼

要想把腦信號“翻譯”成文字，難點在于腦電信號又弱又雜，還要處理連續(xù)的時間序列信息。研究團(tuán)隊設(shè)計的Brain2Qwerty模型，剛好踩中了三個關(guān)鍵優(yōu)化點：

第一層：卷積模塊（Conv）

專門負(fù)責(zé)從 0.5 秒的腦信號窗口里提取局部特征——比如手指敲擊對應(yīng)的運(yùn)動皮層激活模式。它還加入了一個“受試者專屬層”，用來抵消不同人的腦結(jié)構(gòu)、信號差異，相當(dāng)于給每個人的腦信號做了個性化校準(zhǔn)。

第二層：Transformer 模塊

把整句話的所有字符預(yù)測結(jié)果串起來，利用句子的上下文信息糾錯，就像我們使用輸入法時的聯(lián)想邏輯，解析的上一個詞有助于推斷接下來的詞。

第三層：預(yù)訓(xùn)練語言模型

研究團(tuán)隊使用了基于西班牙語維基百科訓(xùn)練的 9-gram 字符級語言模型（參與者說西班牙語），相當(dāng)于給模型裝了一個“西班牙語語法詞典”，它會結(jié)合 Transformer 的輸出，最終選出最符合語言規(guī)律的字符序列。

為了驗證這套架構(gòu)的優(yōu)勢，研究團(tuán)隊還做了對照實驗：去掉 Transformer 只剩卷積模塊，性能下降明顯；再去掉語言模型，準(zhǔn)確率進(jìn)一步降低。三個模塊加起來，才是完整的 Brain2Qwerty。

結(jié)果有多驚艷？

先看最核心的指標(biāo)：字符錯誤率（CER）——也就是解碼出來的字符和真實字符相比，需要修改多少個字符才能完全一致，數(shù)值越低越好。

MEG 組：平均 CER 僅 29%，表現(xiàn)最好的參與者甚至降到了 18%。也就是準(zhǔn)確率超過 80%，很多測試集外的陌生句子都能完美解碼。

EEG 組：平均 CER 為 65%，雖然遠(yuǎn)低于之前同類研究的 75.8%，但和 MEG 組相比有明顯差距。

研究團(tuán)隊還做了大量分析，驗證了結(jié)果的可靠性——

• 錯誤大多集中在鍵盤上物理位置相近的按鍵（比如按“E”鍵容易錯判成旁邊的“W”或“R”鍵），說明模型確實是在解碼運(yùn)動皮層的手指控制信號，而不是靠“蒙”高頻字符；

• 常見詞、高頻字符的解碼準(zhǔn)確率遠(yuǎn)高于生僻詞、低頻字符，而且訓(xùn)練數(shù)據(jù)越多，錯誤率越低，符合機(jī)器學(xué)習(xí)的規(guī)律；

• 參與者敲錯的字符，解碼錯誤率也會翻倍——因為動作執(zhí)行出錯時，運(yùn)動皮層的神經(jīng)信號本身就混亂了，進(jìn)一步證明模型依賴的是真實的動作相關(guān)腦活動。

現(xiàn)在能用了嗎？還差幾步

雖然研究結(jié)果亮眼，但這項研究目前還是一個“概念驗證”，離臨床應(yīng)用還有幾個關(guān)鍵問題要解決——

1、解碼仍有延遲：現(xiàn)在的模型需要等一整句話打完才能輸出結(jié)果，未來需要改成連續(xù)流式解碼，像我們打字時輸入法實時聯(lián)想那樣，不需要等句子結(jié)束。

2、依賴按鍵觸發(fā)：目前模型需要知道每個字符的敲擊時間點來對齊腦信號，而真正的臨床場景里，癱瘓患者可能無法做出實際動作，需要靠“運(yùn)動想象”（想象自己在按鍵盤打字）來解碼，這一步還需要進(jìn)一步驗證。

3、MEG 設(shè)備太笨重：現(xiàn)在的 MEG 設(shè)備需要液氦冷卻，只能在固定屏蔽室使用。不過好消息是，基于光泵磁力計的新一代可穿戴 MEG 傳感器正在快速發(fā)展，未來有望做成輕量化的頭盔，讓非侵入式腦機(jī)接口真正走出實驗室。

縮小了侵入式和非侵入式腦機(jī)接口的鴻溝

在這項研究之前，非侵入式腦機(jī)接口和侵入式腦機(jī)接口在解碼自然語言方面，幾乎隔著一道無法逾越的鴻溝：侵入式能把字符錯誤率（CER）降低至 15% 左右，而非侵入式連 60% 都難達(dá)到。

Brain2Qwerty的出現(xiàn)，大大縮小了差距，更重要的是，它證明了只要信號質(zhì)量夠好、模型設(shè)計合理，非侵入式腦機(jī)接口完全有能力解碼復(fù)雜的自然語言任務(wù)。

對于漸凍癥、閉鎖綜合征這類失去溝通能力的患者來說，這或許意味著未來不需要開顱手術(shù)，戴個輕便的頭盔，就能重新和外界交流。

論文鏈接：

https://www.nature.com/articles/s41593-026-02303-2