Meta Brain2Qwerty v2, 비침습 뇌 신호로 문장 정확도 61%

61% word accuracy가 이번 Meta Brain2Qwerty v2의 핵심 숫자다. Meta의 2026년 6월 29일 연구 글은 수술식 implant 없이 magnetoencephalography(MEG) 신호에서 문장을 복원하는 end-to-end pipeline을 공개했다. 이전 비침습 방식의 8% word accuracy와 비교하면, 신호 품질이 훨씬 낮은 환경에서도 언어 복원이 실제 연구 의제로 올라왔다는 의미가 크다.

학습 데이터는 9명의 volunteer participant가 MEG 장비를 착용하고 직접 타이핑한 약 22,000문장이다. 각 참가자는 10시간씩 기록에 참여했고, 시스템은 hand-crafted neural event detector에 기대지 않고 raw brain signals에서 바로 text를 예측하도록 학습됐다. Meta는 Brain2Qwerty v1과 v2의 full training code를 공개하고, Basque Center on Cognition, Brain, and Language(BCBL)는 v1 dataset을 Hugging Face에 공개한다.

성능 수치도 구체적이다. Brain2Qwerty v2는 전체 기준 61% word accuracy를 냈고, best participant에서는 78% word accuracy까지 올라갔다. Meta 설명에 따르면 해당 참가자의 경우 절반이 넘는 문장이 one word error 이하로 decoding됐다. invasive 방식인 stereotactic electroencephalography나 electrocorticography가 보여준 수준에는 아직 거리가 있지만, 수술이 필요한 neuroprosthesis보다 확장 가능성이 큰 접근이다.

흥미로운 지점은 scaling curve다. Meta는 decoding accuracy가 data volume에 대해 log-linear하게 좋아진다고 설명했다. 즉 남은 격차의 일부는 모델 구조만이 아니라 더 많은 neural-language paired data로 좁힐 수 있다는 주장이다. 다만 이 결과는 9명 규모의 연구 환경에서 나온 것이며, 실제 환자군, 장시간 사용, 장비 비용, 개인별 calibration 문제는 아직 검증해야 한다.

이번 공개는 Brain2Qwerty 하나의 성능 개선으로 끝나지 않는다. Meta는 TRIBE v2, NeuralSet, NeuralBench, Digital Brain Project의 $5 million fund까지 함께 언급하며 open brain foundation model 생태계를 밀고 있다. 다음 확인 지점은 paper의 재현성, 공개 code로 얻는 외부 replication, 그리고 더 다양한 participant에서 61%와 78% 숫자가 얼마나 유지되는지다.