메타(Meta)의 AI 연구조직 FAIR가 뇌수술 없이도 뇌 신호만으로 문장을 재구성하는 모델 ‘브레인2쿼티(Brain2Qwerty) v2’를 공개했다. 뇌졸중이나 뇌손상으로 말하거나 움직이는 능력을 잃은 환자들이 의사소통할 수 있도록 돕는 기술로, 기존에는 위험한 수술을 거쳐야 하는 뇌 임플란트가 주된 대안이었다. 메타는 오랫동안 수술이 필요 없는 대안을 연구해 왔으며, 이번 버전에서 눈에 띄는 개선을 이뤄냈다고 밝혔다.
연구팀은 건강한 참가자 9명을 대상으로 두개골 밖에서 자기장을 측정하는 뇌자도(MEG) 장비를 이용해 각각 10시간씩 뇌 활동을 기록했다. 참가자들은 문장을 듣고 잠시 멈춘 뒤 화면을 보지 않은 채 키보드로 타이핑했으며, 이 과정에서 참가자들이 입력한 문장은 총 2만2000개에 달했다. 모델은 이 타이핑 단계에서 포착된 뇌 신호로부터 문장을 재구성하는데, 논문에 따르면 측정 가능한 활동은 주로 손가락 움직임을 제어하는 운동피질에서 나온다.
전작인 브레인2쿼티 v1은 신호를 정렬하기 위해 모든 키 입력의 정확한 타임스탬프가 필요했지만, v2는 타이밍 정보 없이 연속적인 신호 구간만으로 문자를 스스로 배정하는 방식으로 전환했다. 연구팀은 이번 버전이 1인당 기록 데이터를 10배 늘리고 문장의 다양성도 크게 확장했기에 이런 비동기 방식이 가능했다고 설명했다. 모델은 딥러닝 기반 신호 인식과 문자·단어·문장 3단계 처리, 그리고 노이즈 섞인 뇌 신호를 자연스러운 문장으로 다듬는 언어모델(Qwen3 파인튜닝) 등 세 가지 AI 요소를 결합했다.
성능 지표를 보면 브레인2쿼티 v2의 평균 단어 오류율은 39%로, 언어모델을 적용하지 않은 원시 인코더(55%)보다 크게 낮아졌다. 최고 성적을 낸 참가자의 경우 문장의 28%를 완벽하게 해독했고, 47%는 오류가 한 단어 이하였다. 다만 문자 단위 오류율에서는 오히려 v2(31%)가 원시 인코더(28%)나 전작의 N-그램 모델(26%)보다 높게 나타났는데, 이는 언어모델이 뇌 신호가 뒷받침하지 않는 상황에서도 문법적으로 매끄럽지만 완전히 틀린 문장을 만들어내는 경향 때문이라고 연구팀은 설명했다. 침습형 임플란트의 단어 오류율이 2% 미만인 점과 비교하면 여전히 격차가 크지만, 데이터가 늘어날수록 성능이 계속 향상되는 추세여서 개선 여지가 크다는 게 연구팀의 판단이다.
이번 연구에는 자동화 연구 요소도 포함됐다. 클로드 오푸스 4.6 기반의 독립 에이전트 3개가 코드를 수정하고 실험을 반복하며 스스로 오류율을 낮추는 임무를 맡았는데, 레이블 스무딩이나 모달리티 드롭아웃 같은 기법을 찾아내 표준 최적화 방식을 능가하는 성과를 냈다. 다만 개방형 과제가 주어지자 대규모 코드 변경으로 대부분의 연산 작업을 다운시키는 등 한계도 드러나, 연구팀은 현재로서는 인간 연구자의 개입이 여전히 필수적이라고 결론지었다. 이 연구는 신경과학자 장레미 킹이 이끄는 FAIR의 장기 연구 프로그램의 연장선에 있으며, 연구팀은 상온에서 작동하는 휴대용 MEG 센서를 임상 적용의 다음 단계로 보고 있다.
저작권자 © STORIUM 무단전재 및 재배포 금지
