Meta ha sviluppato Brain2Qwerty v2, un modello di intelligenza artificiale pensato per leggere testo dall’attività cerebrale senza ricorrere a interventi chirurgici. Il punto tecnico più significativo è la promessa di una precisione paragonabile a quella dei metodi invasivi, tradizionalmente basati su dispositivi impiantati o procedure cliniche più complesse. In questa versione, il sistema non si limita più a interpretare singoli caratteri: prova a ricostruire parole e frasi partendo da segnali cerebrali registrati dall’esterno.
Il salto rispetto a Brain2Qwerty v1 riguarda proprio la granularità della decodifica. La prima versione leggeva i caratteri uno alla volta, mentre Brain2Qwerty v2 lavora a livello di parola e di frase, un passaggio che avvicina la ricerca a scenari di comunicazione più naturali. Non si tratta ancora di un prodotto commerciale, ma di un avanzamento sperimentale che mostra come i modelli linguistici possano ridurre il rumore dei segnali cerebrali e trasformarlo in testo più coerente.
Il modello è stato addestrato su circa 22.000 dati testuali raccolti da nove volontari. Ogni partecipante ha digitato per 10 ore, mentre veniva misurato il campo magnetico generato dall’attività cerebrale tramite MEG, cioè magnetoencefalografia. I contenuti digitati e le misurazioni corrispondenti sono stati usati come dati di training, creando una relazione tra intenzione motoria, attività cerebrale e testo prodotto sulla tastiera.
I risultati indicano un miglioramento sensibile nelle capacità di riconoscimento. Brain2Qwerty v2 raggiunge un tasso di successo del 69% nel riconoscimento dei caratteri e un’accuratezza fino al 78% nel riconoscimento delle parole. Meta segnala inoltre che, nei soggetti con le prestazioni migliori, il sistema è riuscito a riconoscere più della metà dell’intero testo con un errore massimo di una parola. È stato confermato anche un andamento prevedibile per questo tipo di modelli: la precisione cresce all’aumentare della quantità di dati di addestramento.
La scelta di lavorare su segnali non invasivi distingue il progetto da molte interfacce cervello-computer orientate alla comunicazione assistita. L’uso della magnetoencefalografia evita la chirurgia, ma richiede comunque strumenti specialistici e condizioni di acquisizione controllate. Per le imprese che osservano l’evoluzione dell’AI applicata alla salute, all’accessibilità e alle interfacce uomo-macchina, il dato operativo è chiaro: la ricerca sta spostando una parte del valore dal solo hardware di acquisizione alla capacità dei modelli di interpretare segnali deboli e complessi.
Meta ha pubblicato un paper non ancora sottoposto a revisione su Brain2Qwerty v2, mentre il lavoro su Brain2Qwerty v1, pubblicato nel febbraio 2025, ha superato la peer review ed è stato pubblicato su Nature Neuroscience il 29 giugno 2026. La differenza tra le due tappe aiuta a leggere lo stato del progetto: una base scientifica già validata per la prima versione e una seconda generazione più ambiziosa, ancora da consolidare nel confronto accademico.
La società ha inoltre reso disponibile il codice di training per Brain2Qwerty v1 e Brain2Qwerty v2, oltre ai dati di addestramento della prima versione. L’apertura del codice può favorire verifiche indipendenti, confronti metodologici e miglioramenti da parte della comunità di ricerca. In un settore in cui accuratezza, riproducibilità e limiti sperimentali pesano quanto la performance dichiarata, questo passaggio rende più concreta la possibilità di valutare il sistema oltre l’annuncio.
La prospettiva resta quella di una comunicazione mediata dall’AI in cui il testo possa emergere da segnali cerebrali non invasivi, senza impianti e senza procedure chirurgiche. Per ora Brain2Qwerty v2 resta un risultato di ricerca, basato su un campione limitato e su sessioni di digitazione controllate. Ma il passaggio dalla lettura dei caratteri alla ricostruzione di parole e frasi indica una traiettoria precisa: rendere le interfacce neurali meno invasive e più vicine a un uso comunicativo reale.