메타 Brain2Qwerty - 수술 없는 비침습 뇌-텍스트 해독 AI의 실체와 한계

핵심 메시지

• 메타가 공개한 Brain2Qwerty는 뇌에 칩을 심거나 수술하지 않고, 머리 밖에서 MEG(뇌자도)로 측정한 신호로 사람이 타이핑한 문장을 텍스트로 복원하는 비침습 해독 시스템이다.
• '마음을 읽는' 범용 제품이 아니다. 통제된 실험실에서 참가자가 들려준 문장을 타이핑하는 동안의 뇌 활동과 문장 생성의 관계를 학습한 것으로, 머릿속 생각을 몰래 꺼내는 것이 아니다.
• 성능은 평균 단어 정확도 61%(단어 오류율 39%), 최고 참가자는 78%(오류율 22%)다. 비침습 방식으로는 큰 진전이지만, 메타 스스로 아직 일상 사용에는 부족하다고 밝힌다.
• 데이터는 스페인 BCBL에서 건강한 성인 9명이 각각 약 10시간, 총 2만 2천여 문장을 타이핑한 통제된 실험에서 나왔다. 정작 이 기술이 도우려는 환자들은 같은 방식의 학습 데이터를 제공하기 어렵다는 한계가 있다.
• 정확도가 데이터 양에 따라 로그-선형으로 계속 개선되고 뚜렷한 정체가 없었다는 점이 가장 주목할 결과다. 다만 뇌 데이터 수집은 인터넷 텍스트와 달리 비싸고 느리며 민감해, 동의·통제 규범이 함께 필요하다.

쉽게 이해하기

영상은 과장부터 걷어낸다. 'Brain2Qwerty'는 폰이나 헤드셋, 안경으로 생각을 읽는 범용 마음 읽기 제품이 아니다. 실험에서 참가자는 문장을 들은 뒤 MEG 장비를 쓴 채 그 문장을 타이핑했고, 시스템은 타이핑 중의 뇌 활동과 문장 생성 사이의 관계를 학습했다. 즉 모든 사적인 생각을 해독하는 것이 아니라, 잡음이 많은 두개골 밖 신호에서 언어를 재구성하려는 시도다.

핵심은 '비침습'이다. 침습형 뇌-컴퓨터 인터페이스는 전극을 뇌 조직 가까이 심어 깨끗한 신호를 얻지만 수술과 의료 위험을 동반한다. 메타는 그 능력을 수술 없는 방식으로 옮기려 한다. 대가는 신호가 훨씬 약하고 잡음이 많다는 점이다. 그래서 과제는 언어를 이해하는 모델을 만드는 것을 넘어, 지저분한 생체 데이터 속에서 쓸 만한 언어 신호를 찾아내는 것이 된다.

성능 수치가 이것이 데모인지 연구 이정표인지를 가른다. 메타가 앞세운 숫자는 평균 단어 정확도 61%(논문상 단어 오류율 39%)이고, 최고 참가자는 78%(오류율 22%)에 이르렀다. 비침습 뇌 해독으로는 상당한 성과지만, 매일 가족과 대화하거나 메시지를 쓰기에는 오류가 여전히 답답한 수준이다. 메타의 프로젝트 페이지도 아직 단어·문자 수준 오류가 많아 일상 사용에는 부족하다고 명시한다.

성능 향상의 비결은 파이프라인이다. Brain2Qwerty는 한 번에 해독하지 않고 인코더·정렬기·언어 모델을 함께 쓴다. 인코더는 원시 MEG에서 텍스트 관련 패턴을 뽑고, 정렬기는 뇌에서 유도한 조각을 단어 표현과 잇고, 언어 모델은 예측된 신호와 신경 정보를 함께 써서 최종 문장을 만든다. 신경 데이터로 대형 언어 모델을 미세조정하면 문맥(의미)을 활용하는 데 도움이 된다. 메타는 해독 파이프라인 개선을 탐색하는 데 AI 에이전트까지 활용했다고 밝힌다.

한계도 분명하다. 데이터는 스페인 BCBL(바스크 인지·뇌·언어 센터)에서 오른손잡이 능숙한 타이피스트인 건강한 원어민 9명이 만든 것이다. 장비는 306채널 극저온 MEG로, 크고 비싸며 대부분의 환자가 접근할 수 없다. 상온 착용형인 광펌핑 자력계(OPM) 같은 경로가 언급되지만 '더 실용적이 될 수 있다'는 것은 '지금 준비됐다'와 다르다. 또 현재 모델은 인과적 구조가 아니라 문장 전체를 다뤄, 사람이 타이핑하는 대로 단어가 즉시 뜨는 실시간 소통과는 거리가 있다. 무엇보다 정작 도움이 필요한 환자는 아예 타이핑을 못 할 수 있어, 키 입력 없는 상황에 맞춘 적응이 남은 숙제다.

주요 인사이트

• 이 연구의 의미는 '메타가 마음을 읽는다'가 아니라, 침습형과 비침습형 뇌-컴퓨터 인터페이스의 성능 격차가 좁혀지고 있다는 신호에 있다.
• 잡음 많은 뇌 신호도 언어 구조를 이해하는 AI와 결합하면 훨씬 쓸모 있어진다. '이 신호가 어떤 글자일까'를 넘어 '주변 단어를 볼 때 어떤 문장이 말이 되는가'를 함께 묻기 때문이다.
• 정확도가 데이터 양에 따라 로그-선형으로 오르고 실험 범위에서 정체가 없었다는 점은, 오늘의 61%가 천장이 아니라 곡선의 초기 지점일 수 있음을 시사한다.
• 그러나 뇌 데이터 확장은 인터넷 텍스트 스크래핑과 다르다. 참가자·동의·하드웨어·윤리 승인·세심한 데이터 처리가 필요해 비싸고 느리다. 메타는 V1·V2 학습 코드를, BCBL은 V1 데이터셋을 공개하되 V2 데이터셋은 학술지 게재까지 비공개다.
• 가장 큰 장기 쟁점은 이 버전이 생각을 읽느냐가 아니라, 뇌 해독 시스템이 더 정확하고 착용 가능해질 때의 뇌 데이터 동의·통제 문제다. 뇌 데이터는 의도·주의·언어 생성과 연결될 수 있어 일반 데이터와 다르며, 강한 규범이 일찍 마련돼야 한다.

자주 묻는 질문

관련 AI 소식