ORC(H)iD
一名志愿者输入"音乐不太吵。"Meta 的脑解码模型却返回"我的作业明天要交。"而另一名志愿者输入同样的句子时，模型则完美复现。
这两项结果均出现在 6 月 29 日发布的一篇研究论文中。二者的差异揭示了一个比科幻式读心术更为紧迫的问题：人工智能能够生成用户从未意图表达的流畅语言。
九名打字员与一台 306 传感器脑扫描仪
2026 年 6 月 29 日，Meta 推出了 Brain2Qwerty v2，这是一款旨在将脑活动转化为文本的非侵入式系统。该系统与西班牙巴斯克认知、大脑与语言中心的研究人员合作开发，最终目标是帮助丧失沟通能力的人群，且无需手术植入电极。
然而，该实验依赖于一项许多潜在患者无法完成的活动。
九名健康、右利手、以英语为母语的志愿者通过耳机听取句子，稍作停顿后亲手将其输入，同时脑磁图（MEG）记录其大脑产生的微弱磁场。每人贡献了约十小时的录音数据。研究人员共收集了约 22,000 个句子。
与前代系统不同，v2 不再依赖单个按键的时间信息，而是以连续的 MEG 记录作为输入。神经解码器估算字符序列，第二个组件将信号与单词关联，再经微调的大型语言模型组装成句。Meta 还利用 AI 智能体测试流程改进方案，最终配置由研究人员选定。
Meta 报告称，平均单词准确率为 61%，相当于 39% 的单词错误率。表现最佳的参与者准确率达到 78%。
这些结果代表了非侵入式解码领域的重大进展。但这并不意味着系统具备了读取私密思想的能力。
在研究人员的对比中，参与者复述的是他们听到并正在主动输入的句子，而非在脑海中默想无关的想法。
连贯的输出也不能保证解读的忠实性。在研究人员的比较中，加入语言模型降低了以单词计量的错误，却增加了以字符计量的错误。当神经证据较弱时，系统有时会生成与目标文本无关但看似合理的句子。
Meta 称该系统能够实现实时解码，但其论文承认，当前架构必须在返回词语之前处理整句内容。该实验还需要一台笨重的、配备 306 个传感器的低温脑磁图（MEG）设备。
最重要的是，研究人员尚未证明该技术适用于无法移动或打字的人群。这项研究仍是一份研究预印本，而非临床可用通信设备的证据。
这一区别至关重要。Brain2Qwerty 提供了一条规避植入式接口手术风险的可能路径。但这条路径能否通向一种实用的沟通方式，仍是一个悬而未决的科学问题。
纠正机器的权利
对于在预测文本环境中成长的一代人来说，机器补全句子并不陌生。通常，我们可以按退格键。
但神经通信设备最终可能成为无法言语者表达本意的根本途径。在这种场景下，一个流畅的错误可能比胡言乱语后果更严重：他人可能将软件的解释误认为用户自己的话语。
学生们已经阐述了与身体数据解读相关的类似问题。
在一项2020 年佐治亚理工学院的研究中，研究人员就收集生理信息（而非脑信号）的课堂腕部传感器采访了学生。一名被标识为 P11 的本科商科学生质疑了从这些测量数据推断情绪的尝试：“也许我对课程本身并没有不满，我只是那天心情不好。”
一名本科计算机科学专业学生 P3 对数据共享表现出更高的接受度：“我个人其实不介意与任何人分享我的数据。”但她也承认他人的担忧，并更倾向于能够更好地保护隐私的汇总信息。
这两种观点揭示了不同的脆弱性。系统可能会误读某人数据的含义。即便其解读准确，当事人也可能对信息的去向缺乏控制权。
对于 Brain2Qwerty 而言，这些问题变得密不可分。Meta 的研究结果表明，收集更多神经数据可以提高解码准确率。因此，那些可能帮助恢复某人声音的信息，对训练未来模型的开发人员而言也可能变得愈发有价值。
志愿者同意了一项明确界定的研究实验。这种同意不应被误认为允许无限期重复使用录音，或将神经解读提供给雇主或保险公司。Brain2Qwerty 尚未被用于此类目的，但这些潜在用途暴露了仅靠技术准确性无法解决的漏洞。
各国政府已开始作出回应。科罗拉多州和加利福尼亚州于 2024 年通过了涵盖神经数据的保护措施。一份2025 年联合国教科文组织建议书也警告不要在工作场所进行神经监测，并强调明确同意，尤其是在影响年轻人的技术中。
最容易犯的错误是，因为当今的解码器无法提取隐秘思想而否定神经隐私担忧。更棘手的可能性是，未来机构将不完美的神经预测视为比产生该信号的大脑所属者更具权威性。
沟通权可能需要包含一项看似简单却容易误导的内容：即使机器让话语听起来令人信服，也有权声明那并非我的本意。
更多独家洞察尽在 nextfin.ai.
