Brain2Qwerty v2: Meta acerca la IA que convierte señales cerebrales en texto sin cirugía
Meta ha presentado Brain2Qwerty v2, una nueva versión de su sistema de IA capaz de decodificar frases a partir de actividad cerebral registrada sin cirugía. La noticia es llamativa porque apunta a uno de los grandes objetivos de la neurotecnología: ayudar a comunicarse a personas que han perdido la capacidad de hablar o escribir. Pero conviene decirlo desde el principio, sin adornos innecesarios: estamos ante una investigación prometedora, no ante un dispositivo médico listo para llegar a hospitales.
Según explica Meta en su blog oficial de IA, Brain2Qwerty v2 es un sistema de extremo a extremo que decodifica frases en tiempo real desde registros cerebrales no invasivos. La compañía lo presenta como su pipeline con mejor rendimiento hasta ahora en esta línea de trabajo, con resultados que se acercan a niveles que, hasta hace poco, parecían reservados a técnicas que implican cirugía cerebral.
Qué es Brain2Qwerty v2
Brain2Qwerty v2 parte de una idea sencilla de formular y dificilísima de ejecutar: registrar actividad cerebral mientras una persona escribe frases y entrenar un modelo para reconstruir lo que está produciendo. En este caso, los participantes llevaban un dispositivo de magnetoencefalografía, o MEG, una técnica que mide cambios magnéticos muy débiles asociados a la actividad del cerebro. No hay implantes, no hay electrodos insertados y no hay cirugía.
El equipo entrenó el sistema con unas 22.000 frases de nueve voluntarios, cada uno registrado durante 10 horas mientras escribía activamente. En lugar de diseñar a mano cada paso del procesamiento de señales, Meta usa aprendizaje profundo de extremo a extremo para trabajar directamente con registros cerebrales ruidosos. Además, ajusta modelos de lenguaje con datos neuronales para aprovechar el contexto semántico: si el cerebro ofrece una señal parcial y ambigua, el modelo intenta reconstruir una frase coherente.
El resultado anunciado es una precisión media por palabra del 61%. En el mejor participante, Meta afirma que Brain2Qwerty v2 alcanzó el 78%, y que más de la mitad de las frases se decodificaron con un error de una palabra o menos. Son cifras importantes para un enfoque no invasivo. También son, al mismo tiempo, cifras insuficientes para una conversación cotidiana fiable si pensamos en pacientes reales, situaciones clínicas y necesidades de comunicación delicadas.
Por qué importa que sea no invasivo
Las interfaces cerebro-ordenador más impresionantes de los últimos años suelen tener un punto incómodo: requieren cirugía. Ese camino puede ofrecer señales más limpias, pero también introduce riesgos, costes, selección estricta de pacientes y enormes barreras de adopción. Una tecnología no invasiva, si algún día alcanza suficiente precisión, podría ser más fácil de escalar y menos agresiva para personas con lesiones cerebrales, enfermedades neurodegenerativas o parálisis severa.
Ahí está la promesa de Brain2Qwerty v2. No es leer pensamientos en sentido popular, ni convertir cualquier idea en texto mágico. Lo que intenta decodificar es la actividad asociada a la producción de frases en una tarea concreta. La diferencia importa. Hablar de “leer la mente” sería exagerado y, además, confuso. Hablamos de inferir lenguaje a partir de señales cerebrales medidas en condiciones experimentales muy controladas.
El papel de Jean-Rémi King y la publicación abierta
El investigador Jean-Rémi King también anunció en X la publicación de Brain2Qwerty v2, junto con la publicación de Brain2Qwerty v1 en Nature Neuroscience, el código y datos asociados. Este detalle no es menor. En neurociencia computacional, donde los datasets son caros, difíciles de obtener y muy sensibles, abrir código y parte de los datos puede acelerar la reproducción de resultados y permitir que otros equipos encuentren errores, mejoras o límites que un laboratorio por sí solo quizá no vería.
Meta también menciona la colaboración con el Basque Center on Cognition, Brain and Language, que libera el dataset de la primera versión. Para España, este punto tiene interés añadido: no estamos hablando solo de Silicon Valley, sino de una línea de investigación conectada con centros europeos especializados en lenguaje y cerebro.
Las limitaciones: el MEG no cabe en casa
La parte menos vistosa de la noticia es probablemente la más importante. La magnetoencefalografía no es una pulsera ni un casco barato. Los sistemas MEG actuales son grandes, caros y exigen condiciones técnicas complejas. Esa infraestructura está muy lejos de un dispositivo que una persona pueda usar en su salón, en una residencia o en una consulta normal. Por eso Brain2Qwerty v2 debe entenderse como una demostración científica de alto valor, no como un producto inminente.
También hay otro límite evidente: el experimento se hizo con voluntarios sanos, escribiendo frases mientras se registraba su actividad cerebral. Pasar de ahí a personas que no pueden moverse, hablar o teclear es un salto enorme. El patrón cerebral, la fatiga, las lesiones, la variabilidad entre individuos y la necesidad de calibración podrían cambiar mucho el rendimiento. En medicina, el camino entre “funciona en laboratorio” y “sirve para pacientes” suele ser largo, caro y lleno de matices.
Un avance real, pero todavía temprano
La lectura más equilibrada es que Brain2Qwerty v2 estrecha la distancia entre los enfoques invasivos y los no invasivos. No la elimina. Su 61% de precisión media muestra que hay señal útil en los registros cerebrales externos y que los modelos de IA pueden aprovecharla mejor que antes. Pero una herramienta de comunicación médica necesita ser mucho más fiable, robusta y cómoda.
Aun así, la dirección es poderosa. Si más datos mejoran el rendimiento de forma sostenida, como sugiere Meta, y si los sensores MEG se hacen más compactos, este tipo de sistemas podría abrir una vía menos agresiva para futuras neuroprótesis de comunicación. No mañana. No como milagro. Pero sí como una pista seria de hacia dónde puede ir la medicina asistida por IA cuando se combina con neurociencia, lenguaje y hardware cada vez más sensible.