Meta AI presenta Brain2Qwerty v2, un decodificador de texto no invasivo basado en MEG con un 61% de precisión

Meta AI presentó el 30 de junio de 2026 Brain2Qwerty v2, un pipeline brain-to-text no invasivo (sin implantes quirúrgicos) basado en magnetoencefalografía (MEG). El sistema decodifica frases tecleadas con una precisión del 61% de las palabras, y la compañía ha publicado en abierto el código de entrenamiento del modelo.

Qué es Brain2Qwerty v2

• Desarrollador: la división de investigación de Meta AI
• Método de lectura de las señales cerebrales: magnetoencefalografía (MEG), sin implantes
• Precisión de decodificación declarada: 61% de palabras acertadas (word accuracy)
• Tarea del modelo: reconstruir frases tecleadas a partir de las señales cerebrales
• El código de entrenamiento del modelo se ha publicado en abierto

¿Cómo funciona una interfaz cerebro-computadora no invasiva?

Un casco de MEG registra los débiles campos magnéticos que genera la actividad eléctrica de las neuronas, sin cirugía ni implantes. En cambio, en las interfaces cerebro-computadora (BCI) invasivas, los electrodos se colocan quirúrgicamente directamente sobre la corteza cerebral o debajo de ella. El nombre Brain2Qwerty hace referencia a la distribución de teclado QWERTY: el pipeline convierte la señal registrada en las letras y palabras que corresponden a lo que la persona está tecleando.

Los métodos no invasivos como la MEG suelen ofrecer una señal más «ruidosa» y menos precisa que los implantes, pero no requieren cirugía cerebral. Esto los hace potencialmente más escalables para la investigación y, a largo plazo, para un público más amplio.

El planteamiento del problema es relevante en sí mismo: se decodifica texto tecleado, y no, por ejemplo, habla pronunciada o imaginada. Teclear proporciona a los investigadores una señal clara y etiquetada: en el momento en que una persona pulsa una tecla concreta, esa acción puede asociarse con precisión a las lecturas del casco de MEG en ese mismo instante. Este etiquetado simplifica el entrenamiento del modelo frente a tareas más difusas, como descifrar el habla interna.

¿Por qué importa el código abierto?

Meta AI no solo ha publicado los resultados, sino también el código de entrenamiento del modelo. Esto permite a otros grupos de investigación reproducir el experimento, verificar la precisión declarada del 61% y desarrollar sus propias variantes del pipeline sobre la misma arquitectura. En un campo relativamente joven como el de las BCI no invasivas, la apertura del código acelera la acumulación de resultados comparables entre distintos laboratorios.

Qué significa

Brain2Qwerty v2 es un paso más en el desarrollo de las interfaces cerebro-computadora no invasivas. Una precisión del 61% de las palabras todavía está lejos de las soluciones invasivas, pero confirma que descifrar texto a partir de señales cerebrales sin cirugía se está convirtiendo poco a poco en una tarea que funciona de forma medible, y no solo en una hipótesis de laboratorio.