Der Technologiegigant Meta hat einen Durchbruch im Bereich der Gehirn-Computer-Schnittstellen angekündigt und die neue Version des Systems Brain2Qwerty v2 vorgestellt. Der innovative Algorithmus ist in der Lage, die komplexe Aktivität des menschlichen Gehirns in klaren gedruckten Text zu transformieren und eröffnet neue Horizonte für die Kommunikation und die Steuerung von Geräten durch Gedanken.

Experiment in Spanien: Wie die KI trainiert wurde

Die Entwicklung und das Testen des Systems fanden am Baskischen Zentrum für Kognition, Gehirn und Sprache (BCBL) in San Sebastián statt. Zum Training des neuronalen Netzwerks wurde eine Fokusgruppe aus neun gesunden Freiwilligen im Alter von 25 bis 56 Jahren herangezogen. Die Teilnehmer durchliefen einen intensiven Prozess der Datenerhebung, der aus 10 Sitzungen bestand, in denen jeder von ihnen mehr als 2.500 Sätze generierte.

Der entscheidende Unterschied der Studie war die Methode zur Erfassung der Signale. Anstelle invasiver Operationen wurde die Magnetenzephalographie (MEG) eingesetzt. Die Freiwilligen trugen einen speziellen Helm, der die extrem schwachen Magnetfelder, die von Neuronen während des gedanklichen Schreibens erzeugt werden, nicht-invasiv scannete.

Genauigkeit und Architektur: Vom Rauschen zur Bedeutung

Die Testergebnisse übertrafen die Erwartungen: In den besten Szenarien erreichte Brain2Qwerty v2 eine Dekodiergenauigkeit von 78 %. Das bedeutet, dass in den entschlüsselten Sätzen in mehr als der Hälfte der Fälle die Anzahl der Fehler nicht mehr als ein Wort betrug. Die Forscher bestätigten einen direkten Zusammenhang: Je größer das Volumen der Trainingsdaten, desto höher die Genauigkeit des Systems. Dies gibt Hoffnung darauf, dass nicht-invasive MEG-Systeme in Zukunft die Notwendigkeit chirurgischer Eingriffe vollständig verdrängen könnten.

Der Erfolg des Projekts wurde durch die Integration von Mustererkennungstechnologien ermöglicht, die denen ähneln, die in modernen Chatbots wie ChatGPT und den Llama-Modellen von Meta verwendet werden. Der Prozess der Transformation von Gedanken in Text basiert auf einer hierarchischen Struktur in drei Schritten:

  • Primäres Kodieren: Die KI analysiert die „rohen' Gehirnsignale und übersetzt sie in Token, die einzelnen Symbolen entsprechen.
  • Ausrichtung (Alignment): Ein Zwischensystem (Aligner) gruppiert verstreute Buchstaben und Symbole zu vollständigen Wörtern.
  • Endgültiger Kontext (LLM): Ein großes Sprachmodell übernimmt die Aufgabe, eine Reihe von Wörtern in grammatikalisch korrekte und zusammenhängende Sätze zu verwandeln, wobei der semantische Kontext berücksichtigt wird.

Dies ist der erste Fall in der Geschichte, in dem große Sprachmodelle (LLM) erfolgreich zur Entschlüsselung verrauschter Gehirnsignale eingesetzt wurden.

Die Rolle autonomer Agenten

In die Architektur des Systems wurden auch autonome KI-Agenten („Auto-Research'-Agenten) integriert. Ihre Aufgabe besteht darin, die Codebasis eigenständig und iterativ zu verändern, um optimale architektonische Lösungen zur Verringerung des Fehlersatzes (WER) zu entwickeln. Trotz der hohen Effizienz dieser „Kraftmultiplikatoren' betonen die Autoren der Studie, dass menschliche Forscher nach wie vor das Schlüsselelement des wissenschaftlichen Prozesses bleiben.