脳コンピュータインターフェース（BCI）技術の進歩著しい中、Meta AIが新たに発表したBrain2Qwertyモデルは、この分野に新たな希望をもたらしています。BCIは、言語障害や運動障害を持つ人々のコミュニケーション手段を提供することを目指していますが、従来の方法では、電極を埋め込むなどの侵襲的な手術が必要となることが多く、医療リスクや長期的なメンテナンスの問題がありました。そのため、研究者たちは非侵襲的な代替手段、特に脳波図（EEG）に基づく方法を探求してきました。しかし、EEG技術は信号解像度が低いという課題があり、精度に影響を与えていました。

機械脳 人工知能

画像出典：AI生成画像、画像ライセンス提供元Midjourney

Brain2Qwertyの登場は、まさにこの課題を解決するためです。この深層学習モデルは、EEGまたは脳磁図（MEG）で捉えられた脳活動から、参加者が入力した文章を解読することができます。研究では、参加者たちが短時間記憶した文章をQWERTYキーボードに入力する際、その脳活動がリアルタイムで記録されました。従来の方法のように外部刺激に集中したり、運動を想像したりする必要がなく、Brain2Qwertyは自然なタイピング動作を利用することで、より直感的な脳波解釈方法を提供しています。

Brain2Qwertyのアーキテクチャは、主に3つのモジュールで構成されています。まず、畳み込みモジュールは、EEGまたはMEG信号から時間的および空間的な特徴を抽出します。次に、トランスフォーマーモジュールは、入力されたシーケンスを処理し、理解と表現を最適化します。最後に、言語モデルモジュールは、事前に学習された文字レベルの言語モデルであり、解読結果の精度を修正および向上させるために使用されます。

Brain2Qwertyの性能評価では、文字誤り率（CER）が指標として用いられました。その結果、EEGに基づく解読のCERは67％と比較的高い一方、MEGを使用した解読では大幅に改善され、CERは32％に低下しました。実験では、最も成績が良かった参加者では19％のCERを達成し、理想的な条件下でのモデルの可能性を示しました。

Brain2Qwertyは非侵襲的なBCI分野において明るい展望を示していますが、いくつかの課題も残っています。まず、現在のモデルは、個々のキー入力ではなく、完全な文章を処理する必要があるため、リアルタイムでの解読には至っていません。次に、MEGはEEGよりも性能が優れているものの、機器がまだ持ち運びにくく、普及率も低いという問題があります。最後に、本研究は主に健康な参加者で行われたため、運動障害者や言語障害者への適用性については、今後の更なる研究が必要です。

論文:https://ai.meta.com/research/publications/brain-to-text-decoding-a-non-invasive-approach-via-typing/

要点：

🧠 Meta AIが発表したBrain2Qwertyモデルは、EEGとMEGを用いてタイピング内容を解読し、BCI技術に新たな希望をもたらします。

📊 研究結果によると、MEGを用いた解読の文字誤り率はEEGよりも大幅に低く、最良の参加者では19％のCERを達成しました。

🔍 今後の課題としては、リアルタイム解読、MEG機器のアクセシビリティ、障害を持つ人々への適用効果などが挙げられます。