Meta, Brain2Qwerty v2 공개…비침습 뇌 신호로 문장 복원

Meta AI 공식 블로그에 따르면 회사는 비침습 뇌 기록에서 문장을 실시간으로 디코딩하는 연구 파이프라인 Brain2Qwerty v2를 공개했다. Meta는 지난해 공개한 Brain2Qwerty v1에 이어 v2 학습 코드도 공개했으며, 협력 기관인 바스크 인지·뇌·언어센터(BCBL)는 v1 데이터셋을 공개한다고 밝혔다.

Brain2Qwerty v2는 수술로 전극을 삽입하는 방식이 아니라 자기뇌파검사(MEG) 장비로 기록한 뇌 신호를 사용한다. Meta는 9명의 자원자가 각각 10시간 동안 MEG 장비를 착용하고 문장을 타이핑하는 방식으로 약 2만2,000개 문장을 학습 데이터로 구성했다고 설명했다.

회사는 기존처럼 손으로 설계한 신경 이벤트 탐지 절차에 의존하지 않고, 원시 뇌 신호에서 직접 문장을 복원하는 엔드투엔드 딥러닝 방식을 적용했다. 또 신경 데이터에 대규모 언어모델을 미세조정해 잡음이 많은 뇌 신호와 자연어 문맥 사이의 간극을 줄였다고 밝혔다. 디코딩 파이프라인 최적화 탐색에는 AI 에이전트도 활용됐지만, 최종 학습 구성은 엔지니어가 수동으로 선택했다.

Meta가 공개한 결과에서 Brain2Qwerty v2는 평균 61% 단어 정확도를 기록했다. 가장 성능이 높았던 참가자 기준으로는 78% 단어 정확도에 도달했고, 전체 문장의 절반 이상은 한 단어 이하의 오류로 복원됐다. 회사는 다른 비침습 방식의 8% 단어 정확도와 비교해 성능이 크게 개선됐다고 설명했다.

이 연구가 주목받는 이유는 의사소통 능력을 잃은 환자를 위한 뇌-컴퓨터 인터페이스가 수술 부담 없이 확장될 가능성을 보여주기 때문이다. 다만 현재 결과는 MEG 장비를 착용한 건강한 자원자의 타이핑 과제에서 얻어진 연구 성과다. 실제 임상 적용이나 일상 환경 사용을 위해서는 환자 대상 검증, 장비 소형화, 실시간 안정성, 뇌 데이터 보호 기준에 대한 추가 연구가 필요하다.

출처: Meta AI 공식 블로그 ‘From Brain Waves to Words: Brain2Qwerty Offers a New Path to Communication Without Surgery’(https://ai.meta.com/blog/brain2qwerty-brain-ai-human-communication/), GitHub facebookresearch/brain2qwerty(https://github.com/facebookresearch/brain2qwerty)