Meta AI Apresentou Brain2Qwerty v2 — Decodificador de Texto MEG Não Invasivo com 61% de Precisão

Meta AI em 30 de junho de 2026 apresentou Brain2Qwerty v2 — um pipeline cérebro-para-texto não invasivo (sem implantes cirúrgicos) baseado em magnetoencefalografia (MEG), que decodifica frases impressas com 61% de precisão de palavras, e publicou código-fonte aberto para treinamento do modelo.

O Que é Brain2Qwerty v2

• Desenvolvedor — divisão de pesquisa Meta AI
• Método de leitura de sinais cerebrais — magnetoencefalografia (MEG), sem implantes
• Precisão de decodificação declarada — 61% de palavras adivinhadas corretamente (precisão de palavras)
• Tarefa do modelo — restaurar frases impressas a partir de sinais cerebrais
• Código para treinamento do modelo publicado em acesso aberto

Como Funciona uma Interface Cérebro-Computador Não Invasiva?

O capacete MEG captura campos magnéticos fracos que surgem da atividade elétrica dos neurônios cerebrais — sem cirurgia e sem implantes, ao contrário das interfaces cérebro-computador invasivas (BCI), onde eletrodos são colocados cirurgicamente diretamente no ou sob o córtex cerebral. O nome Brain2Qwerty se refere ao layout do teclado QWERTY: o pipeline traduz o sinal capturado em letras e palavras correspondentes ao que uma pessoa digita.

Métodos não invasivos como MEG tipicamente produzem um sinal mais "ruidoso" e menos preciso em comparação com implantes, mas não requerem cirurgia cerebral — isso os torna potencialmente mais escaláveis para pesquisa e, em perspectiva, para um leque mais amplo de usuários.

A própria formulação do problema — decodificar especificamente texto digitado, em vez de, digamos, discurso falado ou imaginado — é importante porque digitar em um teclado fornece aos pesquisadores um sinal claro e rotulado: quando uma pessoa pressiona uma tecla específica, essa ação pode ser precisamente equiparada com leituras do capacete MEG no mesmo momento. Essa rotulagem simplifica o treinamento do modelo em comparação com tarefas mais vagas como decodificação de fala interna.

Por Que o Código Aberto Importa?

Meta AI publicou não apenas resultados mas também código de treinamento do modelo — isso permite que outros grupos de pesquisa reproduzam o experimento, verifiquem a precisão de palavras de 61% reivindicada, e desenvolvam suas próprias variantes de pipeline baseadas na mesma arquitetura. Para um campo relativamente jovem de BCI não invasivo, abertura de código acelera a acumulação de resultados comparáveis entre diferentes laboratórios.

O Que Isto Significa

Brain2Qwerty v2 é outro passo no desenvolvimento de interfaces cérebro-computador não invasivas: precisão de 61% de palavras ainda está longe de soluções invasivas, mas confirma que decodificação de texto a partir de sinais cerebrais sem cirurgia está gradualmente se tornando uma tarefa funcionalmente viável, não apenas uma hipótese de laboratório.