Meta presentó Brain2Qwerty v2, un sistema de inteligencia artificial capaz de decodificar frases a partir de señales cerebrales registradas sin cirugía, mediante magnetoencefalografía, una técnica no invasiva que mide la actividad del cerebro desde el exterior.
La promesa es enorme: avanzar hacia interfaces cerebro-computadora que permitan restaurar la comunicación en personas que han perdido la capacidad de hablar o moverse después de lesiones cerebrales. Pero también conviene poner un límite claro: Brain2Qwerty no “lee pensamientos” libres. El sistema fue entrenado en condiciones de laboratorio, con voluntarios que usaban un equipo MEG mientras escribían frases activamente en un teclado.
De acuerdo con Meta, Brain2Qwerty v2 es su pipeline más avanzado hasta ahora para decodificar frases en tiempo real desde registros cerebrales no invasivos. La empresa afirma que el desempeño empieza a acercarse a niveles de precisión que antes parecían reservados a técnicas invasivas, como implantes cerebrales o registros intracraneales.
El modelo fue entrenado con aproximadamente 22 mil frases producidas por nueve voluntarios. Cada participante fue registrado durante 10 horas usando un dispositivo de magnetoencefalografía mientras escribía. A diferencia de enfoques más tradicionales, el sistema no depende de una cadena hecha a mano para detectar eventos neuronales, sino de aprendizaje profundo de extremo a extremo sobre señales cerebrales crudas.
El resultado reportado por Meta es una precisión promedio por palabra de 61%. En el mejor participante, Brain2Qwerty v2 alcanzó 78% de precisión, y más de la mitad de las frases fueron decodificadas con un error de una palabra o menos. En términos de error por palabra, el paper reporta una tasa promedio de 39%.
La arquitectura combina señales cerebrales, representaciones a nivel de caracteres, palabras y frases, además de modelos de lenguaje ajustados con datos neuronales para usar el contexto semántico como apoyo. Meta también dice que utilizó agentes de IA para explorar mejoras en el pipeline de decodificación, aunque las configuraciones finales fueron seleccionadas manualmente por ingenieros.
El lanzamiento se acompaña de la publicación del código de entrenamiento de Brain2Qwerty v1 y v2. Además, el Basque Center on Cognition, Brain and Language liberó el conjunto de datos usado para la primera versión del proyecto, basado en frases en español registradas con MEG y EEG. El dataset de Brain2Qwerty v2, sin embargo, permanecerá bajo embargo hasta que el paper sea aceptado.
La investigación tiene un antecedente publicado en Nature Neuroscience. En esa versión inicial, Brain2Qwerty ya había mostrado que la magnetoencefalografía superaba ampliamente al EEG para reconstruir texto producido durante una tarea de escritura. El sistema alcanzó una tasa promedio de error por carácter de 29% con MEG, frente a 65% con EEG, lo que mostró la importancia de la calidad de la señal cerebral.
Un punto importante es que Brain2Qwerty parece apoyarse en representaciones motoras asociadas al acto de escribir. Es decir, no solo intenta reconstruir “pensamientos” abstractos, sino señales vinculadas con la producción de lenguaje y la intención de presionar ciertas teclas. En los experimentos, los errores del modelo tendían a confundirse con letras físicamente cercanas en el teclado QWERTY, lo que sugiere que la disposición del teclado queda reflejada en las señales usadas por el sistema.
Por eso, aunque el avance es llamativo, todavía está lejos de convertirse en una herramienta cotidiana. La magnetoencefalografía requiere equipos especializados, voluminosos y costosos. Además, los experimentos se realizaron con voluntarios sanos, en condiciones controladas y con tareas específicas de escritura. El salto hacia pacientes con daño neurológico, entornos clínicos reales y comunicación cotidiana todavía requerirá más investigación.
Aun así, el proyecto marca una frontera delicada para la inteligencia artificial. Si los modelos pueden convertir señales cerebrales en texto sin cirugía, también se vuelve urgente discutir cómo se protegerán los datos neuronales, quién podrá acceder a ellos, bajo qué consentimiento y con qué límites técnicos o legales.
Meta presenta Brain2Qwerty como parte de un esfuerzo más amplio para construir modelos abiertos del cerebro y acelerar la investigación en neurociencia. Pero la misma tecnología que puede ayudar a restaurar la comunicación también abre preguntas profundas sobre privacidad mental, datos biométricos y el futuro de las interfaces entre humanos y máquinas.
Por ahora, Brain2Qwerty v2 no es una máquina para leer la mente. Es algo más concreto y, quizá por eso, más importante: una señal de que la IA está empezando a traducir ciertos patrones de actividad cerebral en lenguaje útil sin necesidad de implantes. La frontera entre pensar, escribir y comunicar acaba de volverse un poco más tecnológica.
