A Meta desenvolveu uma interface neural sem contato que lê as teclas digitadas no cérebro do usuário

Cientistas do Meta✴ desenvolveram um sistema que pode interpretar sinais cerebrais e determinar quais teclas uma pessoa está pressionando sem observação direta. Em um experimento envolvendo 35 voluntários, um algoritmo baseado em uma rede neural profunda conseguiu atingir 80% de precisão no reconhecimento de letras. No entanto, essa tecnologia continua sendo baseada exclusivamente em laboratório. Apesar de todas as limitações, a Meta✴ vê este projeto como uma direção estratégica que pode lançar luz sobre os mecanismos do pensamento humano e contribuir para o desenvolvimento da IA.

Fonte da imagem: ai.meta.com

Em 2017, Mark Zuckerberg anunciou que o Facebook✴ estava trabalhando em uma tecnologia que permitiria que você “digitasse diretamente do seu cérebro”. Na época, a empresa planejava criar um dispositivo compacto — por exemplo, um chapéu ou uma faixa de cabeça — que pudesse ler sinais cerebrais e convertê-los em texto sem a necessidade de implantes. Entretanto, a implementação dessa ideia enfrentou sérias limitações técnicas e, após quatro anos, o Facebook✴ abandonou o desenvolvimento de uma versão do dispositivo para o consumidor.

Apesar do encerramento do projeto comercial, a Meta✴ continuou a financiar pesquisas fundamentais no campo da neurociência. No novo trabalho, cujos resultados são apresentados em duas pré-impressões e no blog da empresa, os cientistas usaram magnetoencefalografia (MEG), uma tecnologia que registra campos magnéticos fracos criados pela atividade neural. Os sinais recebidos foram processados ​​por uma rede neural profunda, o que tornou possível analisar a atividade cerebral humana e compará-la com pressionamentos de teclas específicos.

Jean-Rémi King, chefe do grupo de pesquisa Meta✴ “Cérebro e IA”, enfatiza que o objetivo principal do projeto não é a criação de um produto final, mas o estudo dos princípios fundamentais da inteligência. Entender a arquitetura e o funcionamento do cérebro humano pode abrir novos caminhos para o desenvolvimento de sistemas de IA, disse ele. Durante o experimento, o sistema demonstrou a capacidade de reconhecer letras digitadas por um usuário experiente com 80% de precisão, analisando apenas sinais cerebrais. Esse nível de precisão permitiu que os pesquisadores reconstruíssem frases inteiras com base nos sinais neurais registrados. “Tentar entender a arquitetura precisa ou os princípios de funcionamento do cérebro humano pode ser a chave para o desenvolvimento da inteligência das máquinas. “Este é o caminho que estamos explorando”, diz King.

Um experimento com 35 participantes usou EEG/MEG e o modelo Brain2Qwerty para decodificar texto de sinais cerebrais humanos

Entretanto, mesmo com os resultados impressionantes, a tecnologia ainda está longe da aplicação prática. O experimento usou um scanner magnetoencefalográfico volumoso que custou mais de US$ 2 milhões. Sua operação requer uma sala com blindagem magnética poderosa, já que o campo magnético natural da Terra é um trilhão de vezes mais forte do que os sinais cerebrais, criando forte interferência. Além disso, o sistema é extremamente sensível ao movimento: o menor movimento da cabeça do sujeito resulta em perda de sinal. King enfatiza que tais restrições tornam o projeto inadequado para comercialização.

O estudo foi conduzido no Centro Basco de Cognição, Cérebro e Linguagem (BCBL), na Espanha. Envolveu 35 voluntários, cada um dos quais passou cerca de 20 horas em um scanner digitando em espanhol. Entre as frases inseridas estavam sentenças como: “el procesador ejecuta la instrucción” (“o processador executa a instrução”). O sistema da Meta✴, chamado Brain2Qwerty, analisou os sinais cerebrais dos participantes e os comparou com as teclas digitadas.

No primeiro estágio do treinamento, o algoritmo precisou analisar milhares de caracteres de entrada antes de poder começar a prever letras com base nos sinais cerebrais registrados. A taxa média de erro foi de 32% — quase uma letra em cada três foi identificada incorretamente. Apesar disso, a Meta✴ afirma que a precisão alcançada é a mais alta entre todos os métodos de composição não invasivos conhecidos que usam o alfabeto completo.

Enquanto o Meta✴ se concentra em métodos não invasivos, tecnologias invasivas baseadas na implantação de eletrodos estão se desenvolvendo ativamente no campo das neurointerfaces. Em 2023, uma paciente com esclerose lateral amiotrófica (ELA) que havia perdido a capacidade de falar recupera a capacidade de se comunicar graças a uma interface neural que transmite seus pensamentos para um sintetizador de fala. A Neuralink de Elon Musk está desenvolvendo dispositivos implantáveis ​​que permitem que pacientes paralisados ​​controlem um cursor de computador. Embora essas tecnologias forneçam leituras de sinais muito mais precisas, elas exigem cirurgia e apresentam riscos.

A Meta✴ não desenvolve dispositivos médicos e se concentra na ciência fundamental. Ao contrário das interfaces de eletrodos, um scanner de magnetoencefalografia não pode registrar a atividade de neurônios individuais, mas permite que os pesquisadores analisem a função cerebral como um todo. Esse método nos permite rastrear processos complexos que abrangem diversas áreas do cérebro, o que é especialmente importante para estudar funções cognitivas e pensamento linguístico.

Em um segundo estudo usando os mesmos dados, cientistas do Meta✴ examinaram como o cérebro estrutura as informações da linguagem. Eles confirmaram a hipótese de que o processo é hierárquico: primeiro, um pensamento geral é formado, depois as áreas responsáveis ​​pelas palavras individuais são ativadas, depois pelas sílabas e só por último o cérebro gera sinais correspondentes a letras específicas. Embora esse conceito não seja novo, o Meta✴ forneceu dados adicionais sobre as interações entre esses níveis e suas dinâmicas.

Embora o sistema desenvolvido esteja longe da aplicação prática, seus resultados podem ter impacto no desenvolvimento de interfaces neurais e IA. Modelos de linguagem modernos já usam algoritmos que imitam a maneira como o cérebro humano processa informações, mas uma compreensão mais profunda dos processos cognitivos envolvidos na formação da linguagem pode ser a chave para criar sistemas verdadeiramente inteligentes.