أبرز النقاط
- نموذج Brain2Qwerty v2 يحقق نسبة خطأ 22% في أفضل الحالات دون جراحة دماغية
- النظام يعتمد على التصوير المغناطيسي MEG ونماذج لغوية متقدمة لتحويل الإشارات العصبية إلى جمل مفهومة
- وكلاء ذكاء اصطناعي مبنيون على Claude Opus 4.6 ساهموا في تحسين النموذج تلقائياً
نجح فريق البحث FAIR التابع لشركة Meta في تحقيق قفزة نوعية بمجال واجهات الدماغ والحاسوب، إذ أطلق نموذج Brain2Qwerty v2 الذي يُعيد بناء جمل كاملة من تسجيلات الدماغ غير الجراحية. النتيجة الأبرز: انخفضت نسبة الخطأ في الكلمات إلى 39% كمتوسط، ووصلت إلى 22% فقط لدى أفضل المشاركين أداءً — وهي أرقام تقترب من العتبة السريرية للاستخدام الفعلي.
القضية جوهرية: ملايين البشر حول العالم يفقدون القدرة على الكلام أو الحركة بسبب إصابات الدماغ أو أمراض مثل التصلب الجانبي الضموري ALS. الحلول الحالية كـ Neuralink وBlackrock Neurotech تتطلب جراحة دماغية محفوفة بمخاطر العدوى ومحدودية العمر الافتراضي للزرعة. ما تقدّمه Meta هو بديل لا يمسّ الجمجمة.
كيف يعمل النظام تقنياً؟
اعتمد الباحثون على تقنية التصوير المغناطيسي الدماغي MEG التي تقيس المجالات المغناطيسية خارج الجمجمة. شارك تسعة متطوعين أصحاء، سجّل كل منهم عشر ساعات من النشاط الدماغي أثناء كتابة 22,000 جملة إجمالاً.
آلية التجربة بسيطة: يسمع المشارك جملة، يتوقف لحظة، ثم يكتبها على لوحة مفاتيح دون رؤية النص على الشاشة. يلتقط النظام إشارات الدماغ أثناء الكتابة — وتحديداً من القشرة الحركية التي تتحكم بحركة الأصابع — ثم يُعيد بناء الجملة.
ما الذي تغيّر عن الإصدار الأول؟
الفارق الجوهري بين v1 وv2 يكمن في التخلص من الاعتماد على التوقيت الدقيق لكل ضغطة مفتاح. الإصدار الأول كان يحتاج الطابع الزمني لكل حرف لمحاذاة الإشارات، أما الإصدار الثاني فيعمل على نافذة إشارة مستمرة ويُوزّع الأحرف ذاتياً — نهج غير متزامن يُزيل عائقاً أساسياً أمام الاستخدام الفوري، وإن لم يصل النظام بعد لعتبة الوقت الحقيقي.
يرتكز النموذج على ثلاث ركائز تقنية: التعلم العميق بدل الخطوات اليدوية، معالجة الإشارات على ثلاثة مستويات (أحرف، كلمات، جمل كاملة)، ونموذج لغوي Qwen3 مُضبوط لتحويل إشارات الدماغ المشوّشة إلى جمل متماسكة.
الأرقام: أين تفوّق النموذج وأين تعثّر؟
- نسبة خطأ الكلمات WER: انخفضت إلى 39% مقابل 55% للمُشفّر الخام و43% لنموذج N-gram من v1
- نسبة خطأ الأحرف CER: ارتفعت إلى 31% مقابل 28% للمُشفّر الخام — مفارقة تحتاج تفسيراً
- أفضل مشارك: 28% من جمله فُكّت بدقة تامة، و47% احتوت خطأ واحداً على الأكثر
التفسير يكمن في طبيعة النموذج اللغوي: هو مُدرَّب على إنتاج جمل سلسة نحوياً حتى حين لا تدعمها الإشارة الدماغية فعلياً. في حالات الشك، يخترع جملة صحيحة قواعدياً لكنها خاطئة كلياً. مثال صارخ: فكّ النظام جملة «لم تكن لتسقط من الدرج» بدلاً من الجملة المستهدفة «السيارات ممنوعة على هذا الطريق» — إخفاق تام يرفع نسبة خطأ الأحرف.
لكن الفريق يرى أن التواصل الناجح يعتمد على المعنى لا على تطابق الأحرف حرفياً، ولذلك يعتبر التحسن في نسبة خطأ الكلمات والدلالة هو التقدم الحقيقي. للمقارنة: دراسة سابقة استخدمت التصوير بالرنين المغناطيسي الوظيفي fMRI سجّلت نسبة خطأ كلمات تراوحت بين 92% و94%.
وكلاء ذكاء اصطناعي يُحسّنون الذكاء الاصطناعي
أحد الجوانب اللافتة في البحث: استخدم الفريق ثلاثة وكلاء مستقلين مبنيين على Claude Opus 4.6 لتحسين النموذج ذاتياً عبر تعديل الشيفرة وتشغيل التجارب. اكتشف هؤلاء الوكلاء تقنيات مثل تنعيم التسميات Label Smoothing وإسقاط النمط Modality Dropout والمطالبات الأقصر، وتفوّقوا على أساليب التحسين التقليدية بفارق واضح.
لكن حين أُعطي الوكلاء مهمة مفتوحة النهاية، فشلوا. تعديلاتهم الواسعة على الشيفرة أسقطت معظم مهام الحوسبة. البحث البشري لا يزال ضرورة — الوكلاء أدوات تحسين لا بدائل للباحثين.
ماذا يعني هذا للمستقبل؟
نسبة خطأ 22% لأفضل المشاركين تعني أن نحو أربع كلمات من كل خمس تُفهم صحيحاً — مستوى قد يكفي للتواصل الأساسي مع مساعدة سياقية. الطريق لا يزال طويلاً نحو الاستخدام السريري الفعلي، لكن الفجوة مع الزرعات الجراحية تضيق.
التحدي الأكبر يبقى في نقل التقنية من أجهزة MEG الضخمة والمكلفة (مئات آلاف الدولارات) إلى أجهزة محمولة ميسورة التكلفة. هناك أيضاً سؤال التعميم: هل ستعمل التقنية بالفعالية ذاتها مع مرضى حقيقيين فقدوا القدرة الحركية، أم أن التدريب على متطوعين أصحاء يُعطي صورة متفائلة أكثر من الواقع؟
رأي Logicity
ما تقدّمه Meta هنا ليس منتجاً جاهزاً بل إثبات مفهوم بحثي، لكنه يُغيّر معادلة المنافسة. Neuralink وSynchron يراهنان على الزرعات الجراحية ذات الدقة العالية لكن المخاطر الجراحية تحدّ من التبني. إن نجحت الأساليب غير الجراحية في تجاوز عتبة 15% خطأ، قد نرى تحولاً في السوق نحو الأجهزة القابلة للارتداء. للمقارنة: زرعات Blackrock تكلّف أكثر من 100,000 دولار وتتطلب فريقاً جراحياً متخصصاً، بينما أجهزة EEG الاستهلاكية من Emotiv أو Muse تُباع بمئات الدولارات لكن دقتها لا تُقارن. Meta تحاول احتلال المنطقة الوسطى: دقة شبه جراحية بلا جراحة.
الأسئلة الشائعة
هل يمكن لنظام Brain2Qwerty v2 قراءة الأفكار مباشرة؟
لا، النظام لا يقرأ الأفكار بل يفكّ إشارات القشرة الحركية أثناء الكتابة الفعلية على لوحة مفاتيح. هو يُترجم نية الحركة لا التفكير المجرد.
متى سيتوفر هذا النظام للمرضى فعلياً؟
لا يوجد جدول زمني معلن. النظام في مرحلة البحث ويعتمد على أجهزة MEG الضخمة غير العملية للاستخدام المنزلي. التطبيق السريري يتطلب تصغير الأجهزة وخفض التكلفة واختبارات على مرضى حقيقيين.
كيف يقارن Brain2Qwerty بزرعات Neuralink؟
زرعات Neuralink تحقق دقة أعلى لأنها تقرأ الإشارات مباشرة من داخل الدماغ، لكنها تتطلب جراحة محفوفة بمخاطر. Brain2Qwerty يعمل خارج الجمجمة بدقة أقل لكن بلا مخاطر جراحية — مقايضة بين السلامة والأداء.
ما دور نموذج Qwen3 اللغوي في النظام؟
يُستخدم Qwen3 لتحويل الإشارات المشوّشة من مُشفّر الدماغ إلى جمل متماسكة نحوياً. هو يُحسّن نسبة خطأ الكلمات لكنه أحياناً يُنتج جملاً سليمة قواعدياً لكنها خاطئة كلياً في المعنى.
هل تحتاج مساعدة في التطبيق؟
إن كنت تعمل على مشاريع واجهات الدماغ والحاسوب أو تطبيقات الذكاء الاصطناعي في المجال الطبي، تواصل مع فريق Logicity للاستشارات التقنية المتخصصة.
عمر حسن
كاتب تقني وابتكار
أُنتِج هذا المقال بمساعدة الذكاء الاصطناعي وراجعه فريق التحرير في لوجيسيتي. اعرف المزيد في سياسة التحرير.
