Meta 發表 Brain2Qwerty v2 研究，首次以非侵入式腦磁波儀（MEG）結合深度學習與大型語言模型，從受試者主動打字時的腦部活動重建自然語句。該技術單字正確率達 61%，最佳受試者達 78%，無需手術植入電極，為腦損傷患者提供新溝通途徑，但仍受限於實驗室環境與設備可用性。
Meta 於 2026 年正式發表 Brain2Qwerty v2 非侵入式腦機介面（BCI）研究，旨在透過 AI 模型從受試者打字時的腦部活動重建自然語句。該研究採用腦磁波儀（MEG）記錄大腦產生的微弱磁場，無需手術植入電極，屬於免手術的非侵入式文字溝通方式。實驗共招募 9 名志願受試者，蒐集約 22,000 個句子，每名受試者接受 10 小時記錄。受試者在 MEG 設備中主動打字，模型從腦部訊號推測對應文字，解碼的是打字任務中的腦部活動，而非人腦任意浮現的想法。Meta 將此視為非侵入式腦訊號文字解碼的重要進展，目標協助因腦部損傷難以說話或動作的人未來透過腦機介面表達內容。
Brain2Qwerty v2 採用深度學習架構，直接處理原始腦訊號，取代以往人工設計流程判斷神經事件的方式。模型微調大型語言模型（LLM），利用語意脈絡將雜訊較高的腦部記錄整理為連貫句子，並使用 AI 代理探索解碼流程最佳化方向，但最終訓練設定仍由工程師人工選定。實驗結果顯示，v2 單字正確率約 61%，平均單字錯誤率 39%；最佳受試者單字正確率達 78%，且超過半數句子僅一個單字錯誤以內。相較於 v1，MEG 的平均字元錯誤率（CER）為 29%，優於 EEG 的 65%，顯示 MEG 訊號品質較佳，但設備仍屬實驗室等級，距離可攜式或臨床應用仍有落差。
此技術對腦損傷患者溝通、醫療輔助、人機互動及機器智慧發展具重大影響。非侵入式方案縮小與侵入式 BCI（如 Neuralink）的差距，提供更安全、易於訪問的替代方案。然而，目前成果仍受限於受控實驗環境，設備成本高昂、使用情境複雜、解碼準確率未達臨床標準。若未來應用於輔助溝通，需解決設備便攜性、即時解碼穩定性與雜訊過濾問題。此外，技術可能被用於意念操控或隱私洩漏風險，引發倫理與資安爭議。
針對 Brain2Qwerty 技術潛在風險，建議採取以下防護措施：第一，強化腦訊號數據加密與傳輸安全，防止未經授權存取；第二，實施嚴格的身份驗證與權限控管，確保僅授權人員操作系統；第三，定期進行漏洞掃描與滲透測試，評估系統安全性；第四，建立資料隱私保護機制，避免個人腦活動資訊洩漏；第五，制定倫理規範與使用準則，防止技術被濫用於非醫療目的。相關單位應持續監測技術發展，並與國際標準組織合作制定資安規範。