早在2017年，Facebook就公布了大脑读取帽子的计划，使用者只需思考就可以用它来发短信。首席执行官马克-扎克伯格（Mark Zuckerberg）在当年的一篇文章中分享说："我们正在开发一个系统，让你直接用大脑打字。"现在，这家更名为 Meta 的公司已经真正做到了这一点。 只不过它重达半吨，研发耗资 200 万美元，看上去永远不会离开实验室。
不过，为 Meta 公司工作的神经科学和人工智能研究人员能够在人们打字时分析他们的大脑，并根据他们的想法确定他们按的是什么键，这还是非常酷的。
这项研究在该公司发布的两篇论文：
https://ai.meta.com/research/publications/brain-to-text-decoding-a-non-invasive-approach-via-typing/
以及一篇博文：
https://ai.meta.com/blog/brain-ai-research-human-communication/
中进行了描述，尤其令人印象深刻的是，研究对象的想法是通过磁扫描仪从头颅外部测量的，然后使用深度神经网络进行处理。
Forest Neurotech 公司的创始人 Sumner Norman 说："正如我们一再看到的那样，当深度神经网络与强大的数据配对时，可以发现非凡的洞察力。"他虽然没有参与这项研究，但对 Meta 公司"不遗余力地收集高质量数据"表示赞赏。
据 Meta 公司"大脑与人工智能"研究团队负责人让-雷米-金（Jean-Rémi King）介绍，该系统能够在多达 80% 的时间内确定熟练打字员按下的是哪个字母，其准确性足以从大脑信号中重建完整的句子。
Facebook 最初寻求的消费者大脑读取帽或头带遇到了技术障碍，四年后，公司放弃了这一想法。
但 Meta 从未停止过对神经科学基础研究的支持，现在它认为这是通向更强大的人工智能的重要途径，这些人工智能可以像人类一样学习和推理。 金说，他的研究小组位于巴黎，专门负责从人脑中找出"智能原理"。
金说："试图了解人脑的精确架构或原理，可以为机器智能的发展提供参考。这是一条道路。"
打字系统绝对不是商业产品，也不会成为商业产品。 新研究中使用的脑磁图扫描仪可以收集大脑皮层中神经元发射时产生的磁信号。 但它体积庞大、价格昂贵，而且需要在屏蔽室内操作，因为地球磁场比大脑磁场强万亿倍，诺曼将这种设备比喻为"一台侧翻的核磁共振成像仪，悬浮在使用者的头顶上"。
更重要的是，金说，一旦受试者的头部移动，信号就会丢失。"我们的努力根本不是为了产品，"他说。"事实上，我总是在说，我不认为有产品这条路，因为它太难了。"
在西班牙的一个研究机构--巴斯克认知、大脑和语言中心的35 名志愿者参与了打字项目。 每个人都在扫描仪里花了约20个小时输入"el procesador ejecuta la instrucción"（处理器执行指令）等短语，同时他们的大脑信号被输入一个深度学习系统，Meta公司将其称为Brain2Qwerty，意指键盘上的字母布局。
该深度学习系统的工作是找出哪些大脑信号表示某人正在输入 a，哪些表示 z，以此类推。 最终，在看到一名志愿者输入了数千个字符后，该模型就能猜出人们到底按了哪个键；
在第一份预印本中，Meta 公司的研究人员报告说，平均错误率约为 32%，即几乎三个字母中就有一个是错的。 尽管如此，据 Meta 公司称，其结果是目前使用全字母键盘和头骨外收集的信号进行大脑打字最准确的结果。
尽管最有效的方法是将电极植入大脑或直接植入大脑表面，但有关大脑阅读的研究进展很快。 这种方法被称为"侵入式"脑计算机接口。 虽然它们需要进行脑部手术，但却能非常准确地收集小群神经元的电子信息。
大脑接口可以让瘫痪者以几乎正常的速度说话。
例如，在2023年，一位因渐冻症而失声的人通过连接语音合成器的大脑读取软件能够说话了。 由埃隆-马斯克（Elon Musk）创立的 Neuralink 公司正在测试自己的大脑植入物，该植入物可以让瘫痪者控制光标。
Meta公司表示，其自身的工作仍以智能本质的基础研究为导向。而这正是大型磁性扫描仪可以提供帮助的地方。 尽管它对病人来说并不实用，也不能测量单个神经元，但它却能从广义上同时观察整个大脑。
Meta 公司的科学家们说，在第二项研究工作中，他们利用同样的打字数据，从更广阔的视角收集证据，证明大脑是以自上而下的方式产生语言信息的，一个句子的初始信号启动了单词、音节和最终打字字母的单独信号。
诺曼说："核心观点是，大脑以分层方式构建语言生产。 这并不是一个新观点，但 Meta 的报告强调了这些不同层次作为一个系统是如何相互作用的。这些见解最终会影响人工智能系统的设计。 其中一些系统，如聊天机器人，已经广泛依赖语言来处理信息和进行推理，就像人一样。语言已经成为人工智能的基础，"金说。"因此，让大脑或任何系统获得这种能力的计算原理是这项工作背后的关键动力。"