Meta AI Presentó Brain2Qwerty v2 — Decodificador de Texto MEG No Invasivo con 61% de Precisión

Meta AI el 30 de junio de 2026 presentó Brain2Qwerty v2 — un pipeline cerebro-a-texto no invasivo (sin implantes quirúrgicos) basado en magnetoencefalografía (MEG), que decodifica oraciones impresas con una precisión del 61% de palabras, y publicó código fuente abierto para entrenar el modelo.

Qué es Brain2Qwerty v2

• Desarrollador — división de investigación de Meta AI
• Método de lectura de señales cerebrales — magnetoencefalografía (MEG), sin implantes
• Precisión de decodificación declarada — 61% de palabras adivinadas correctamente (precisión de palabras)
• Tarea del modelo — restaurar oraciones impresas a partir de señales cerebrales
• Código para entrenar el modelo publicado en acceso abierto

¿Cómo Funciona una Interfaz Cerebro-Computadora No Invasiva?

El casco MEG captura campos magnéticos débiles que surgen de la actividad eléctrica de las neuronas cerebrales — sin cirugía y sin implantes, a diferencia de las interfaces cerebro-computadora invasivas (BCI), donde los electrodos se colocan quirúrgicamente directamente sobre o bajo la corteza cerebral. El nombre Brain2Qwerty se refiere a la disposición del teclado QWERTY: el pipeline traduce la señal capturada en letras y palabras correspondientes a lo que una persona escribe.

Los métodos no invasivos como MEG típicamente producen una señal más "ruidosa" y menos precisa en comparación con los implantes, pero no requieren cirugía cerebral — esto los hace potencialmente más escalables para la investigación y, en perspectiva, para un rango más amplio de usuarios.

La formulación del problema en sí — decodificar específicamente texto escrito, en lugar de, digamos, discurso hablado o imaginado — es importante porque escribir en un teclado proporciona a los investigadores una señal clara y etiquetada: cuando una persona presiona una tecla específica, esta acción puede ser emparejada precisamente con lecturas del casco MEG en el mismo momento en el tiempo. Tales etiquetas simplifican el entrenamiento del modelo en comparación con tareas más vagas como la decodificación del discurso interno.

¿Por Qué Importa el Código de Fuente Abierta?

Meta AI publicó no solo resultados sino también código de entrenamiento del modelo — esto permite a otros grupos de investigación reproducir el experimento, verificar la precisión de palabras del 61% reclamada, y desarrollar sus propias variantes de pipeline basadas en la misma arquitectura. Para un campo relativamente joven de BCI no invasivos, la apertura del código acelera la acumulación de resultados comparables entre diferentes laboratorios.

Lo Que Significa

Brain2Qwerty v2 es otro paso en el desarrollo de interfaces cerebro-computadora no invasivas: la precisión del 61% de palabras aún está lejos de las soluciones invasivas, pero confirma que la decodificación de texto a partir de señales cerebrales sin cirugía se está convirtiendo gradualmente en una tarea funcionalmente medible, no solo una hipótesis de laboratorio.