Meta AI apresenta Brain2Qwerty v2, decodificador não invasivo de texto via MEG com 61% de precisão

Em 30 de junho de 2026, a Meta AI apresentou o Brain2Qwerty v2, um pipeline brain-to-text não invasivo (sem implantes cirúrgicos) baseado em magnetoencefalografia (MEG). O sistema decodifica frases digitadas com precisão de 61% das palavras, e a empresa publicou o código de treinamento do modelo como open source.

O que é o Brain2Qwerty v2

• Desenvolvedor: divisão de pesquisa da Meta AI
• Método de captação dos sinais cerebrais: magnetoencefalografia (MEG), sem implantes
• Precisão de decodificação declarada: 61% das palavras identificadas corretamente (word accuracy)
• Tarefa do modelo: reconstruir frases digitadas a partir dos sinais cerebrais
• O código de treinamento do modelo foi disponibilizado publicamente

Como funciona a interface cérebro-computador não invasiva?

O capacete de MEG registra os campos magnéticos fracos gerados pela atividade elétrica dos neurônios, sem cirurgia e sem implantes. É diferente das interfaces cérebro-computador (BCI) invasivas, em que os eletrodos são instalados cirurgicamente diretamente sobre o córtex cerebral ou abaixo dele. O nome Brain2Qwerty faz referência ao layout de teclado QWERTY: o pipeline converte o sinal captado em letras e palavras correspondentes ao que a pessoa está digitando.

Métodos não invasivos como a MEG costumam gerar um sinal mais "ruidoso" e menos preciso do que os implantes, mas não exigem cirurgia no cérebro. Isso os torna potencialmente mais escaláveis para pesquisa e, no futuro, para um público mais amplo.

A própria definição da tarefa, que é decodificar especificamente texto digitado, e não fala pronunciada ou imaginada, por exemplo, é importante. A digitação no teclado oferece aos pesquisadores um sinal claro e rotulado: no instante em que a pessoa pressiona uma tecla específica, é possível associar essa ação com precisão às leituras do capacete de MEG no mesmo momento. Esse tipo de rotulagem simplifica o treinamento do modelo em comparação com tarefas mais difusas, como decodificar a fala interna.

Por que o código aberto importa?

A Meta AI publicou não só os resultados, mas também o código de treinamento do modelo. Isso permite que outros grupos de pesquisa reproduzam o experimento, verifiquem a precisão declarada de 61% e desenvolvam suas próprias variantes do pipeline sobre a mesma arquitetura. Em um campo relativamente jovem como o das BCIs não invasivas, a abertura do código acelera o acúmulo de resultados comparáveis entre diferentes laboratórios.

O que isso significa

O Brain2Qwerty v2 é mais um passo no desenvolvimento das interfaces cérebro-computador não invasivas. A precisão de 61% das palavras ainda está longe das soluções invasivas, mas confirma que decodificar texto a partir de sinais cerebrais sem cirurgia está se tornando, aos poucos, uma tarefa mensuravelmente viável, e não apenas uma hipótese de laboratório.