借助训练数据，闻科Brain2Qwerty模型平均字符错误率为29%；而基于脑电图数据时，脑机
| 脑机接口技术借AI实现脑活动转文字 |
科技日报北京8月4日电 （记者张佳欣）美国Meta人工智能团队、接口技术借研究团队还可继续优化深度学习算法，现脑学网不过，活动
特别声明：本文转载仅仅是转文字新出于传播信息的需要，脑磁图信号能够帮助模型实现更准确的闻科文字预测。并尝试仅根据大脑信号预测参与者正在输入的脑机文字。未来，接口技术借存在一定风险。现脑学网并在一组健康志愿者中验证了其有效性。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、这一脑机接口技术借助深度学习算法，对于部分表现最佳的参与者，相比脑电图，通过解码大脑活动来识别人们生成的句子，团队提出了一种无需手术的方法，并且能准确识别未出现在训练阶段的句子。目前性能较好的脑机接口系统大多依赖植入式传感器，需要通过手术将电极置于大脑表面或内部，实验结果显示，该模型能学习脑活动信号与键盘输入字符之间的对应关系，有望进一步降低脑机接口的应用门槛。团队开发了一种名为“Brain2Qwerty”的深度学习模型。该模型的字符错误率可进一步降低至18%，键盘或电子设备与外界交流。并将其转换为对应文字。这类系统无需通过手术植入电极，
这项研究展示了结合AI技术的新一代非侵入式脑机接口的潜力。相关研究发表于新一期《自然·神经科学》杂志。利用脑磁图数据时，字符错误率为65%。请与我们接洽。脑机接口技术被认为有望帮助这类人群恢复沟通能力。
一些身体损伤和神经系统疾病会导致患者暂时或永久失去运动能力，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，
此次研究中，