Meta在2026年6月公布Brain2Qwerty v2研究进展，尝试使用非侵入式脑磁图信号实时解码自然句子。官方介绍称，研究使用九名志愿者约两万两千个句子的数据，并通过端到端深度学习和语言模型提升结果，词语准确率达到61%。这项工作可能帮助因脑损伤失去表达能力的人，但距离日常可穿戴“读心设备”仍然很远。
系统如何采集与解码
参与者佩戴MEG设备并主动打字，系统记录大脑活动与文字之间的对应关系。模型不再完全依赖人工设计的神经事件特征，而是从原始信号中学习可用于解码的表示。
语言模型利用上下文把噪声较大的信号组合成更连贯的句子。它不是直接读取抽象想法，而是在特定实验任务、特定设备和训练条件下预测参与者正在产生的语言。
61%准确率应该怎样理解
从其他非侵入方法较低水平提升到61%是重要研究进展，但仍意味着存在大量错误。准确率还受参与人数、训练时长、设备、句子范围和个体差异影响，不能直接等同于临床交流质量。
真实沟通需要处理自由表达、情绪、疲劳、移动和不同疾病状态。实验室中坐在大型设备里的结果，距离家庭和医院持续使用还有硬件小型化、个体适配和长期验证等步骤。
AI Agent也参与研究优化
Meta提到使用AI Agent探索解码流程优化，最终训练配置仍由工程师选择。这展示了AI既是研究对象，也能作为代码实验和参数搜索助手。
自动探索必须保留实验记录、计算预算和人工选择标准。若只报告最优结果而忽略失败尝试，容易高估方法稳定性。开放训练代码和数据有助于其他团队复现与审查。
伦理、隐私与未来应用
脑信号属于高度敏感的生物数据。未来产品需要明确知情同意、用途限制、删除权和访问控制，禁止在雇佣、保险或执法场景中未经同意推断个人状态。
最合理的近期方向是帮助主动参与训练、明确希望表达的患者恢复交流，而不是读取任何人的秘密想法。临床应用还要经过医疗监管、跨人群研究和与现有辅助沟通工具的比较。
可直接执行的操作清单
- 把Brain2Qwerty理解为受控实验中的语言解码，不宣传为读心术。
- 阅读研究时同时关注参与人数、设备和个体训练条件。
- 区分词语准确率与真实沟通成功率。
- 涉及脑数据的项目采用最高等级隐私和知情同意。
- 等待独立复现、临床研究和设备改进后再判断实际应用。
总结
Brain2Qwerty v2展示了大模型与神经科学结合的潜力，也提醒我们不要把实验突破过度包装。技术价值应以能否安全、稳定地帮助真实患者沟通来衡量，而不是以“读心”噱头衡量。
参考资料：官方发布与产品说明。本文依据公开资料重新整理并加入应用方法、风险提示和落地建议。
