---
title: "Meta Revoluciona a Comunicação com IA que Converte Pensamentos em Texto"
description: "A Meta criou o Brain2Qwerty, sistema de IA que converte pensamentos em texto com até 80% de precisão, ainda restrito a testes em laboratório."
date: 2025-02-16T00:00:00.000Z
---
A Meta revelou um sistema inovador de inteligência artificial capaz de transformar pensamentos em texto digitado com até 80% de precisão. Essa tecnologia, no entanto, ainda depende de um scanner cerebral volumoso e não portátil, além de operar apenas em condições laboratoriais controladas.

### Um Avanço na Comunicação Cérebro-Computador

Desenvolvido em parceria com o [Centro Basco de Cognição, Cérebro e Linguagem (BCBL)](https://www.bcbl.eu/en), o [estudo](https://arxiv.org/html/2502.17480v1) envolveu 35 voluntários. Utilizando magnetoencefalografia (MEG) e eletroencefalografia (EEG), os pesquisadores registraram a atividade cerebral enquanto os participantes digitavam frases. Com base nesses dados, um modelo de IA foi treinado para reconstruir as frases apenas a partir dos sinais cerebrais, atingindo uma precisão de até 80% na decodificação de caracteres capturados via MEG, o dobro do desempenho de sistemas tradicionais baseados em EEG.

Esse avanço se baseia em pesquisas anteriores da Meta sobre decodificação de imagens e fala a partir da atividade cerebral, expandindo agora para a geração de frases completas. O potencial dessa tecnologia abre novas perspectivas para interfaces cérebro-computador não invasivas, podendo beneficiar pessoas com deficiências na comunicação.

### Como Funciona o Brain2Qwerty?

Brain2Qwerty é o sistema que a Meta batizou para capturar sinais magnéticos gerados pelo cérebro enquanto o usuário pensa em palavras ou frases. Através de um scanner MEG, que registra cerca de 1.000 imagens cerebrais por segundo, a IA identifica os momentos em que os pensamentos se convertem em texto.

![aparelho da meta que escaneia a mente por meio de fios e um scanner dentor do laboratorio](/images/2025/02/Meta-cria-aparelho-para-ler-mentes.jpg)

A tecnologia utiliza deep learning para mapear os sinais cerebrais em pressionamentos de teclas. Treinado com milhares de caracteres digitados pelos participantes, o modelo consegue reconhecer padrões cerebrais associados a diferentes letras e palavras, resultando em uma conversão precisa do pensamento em texto exibido na tela, o mesmo tipo de mapeamento de padrões que sustenta a [oficialização do grounding como futuro do tráfego orgânico](/blog/a-oficializacao-do-grounding-o-futuro-do-trafego-organico-segundo-o-google/).

### Quais os Desafios do Brain2Qwerty?

Apesar de ser um avanço promissor, a tecnologia enfrenta desafios significativos que impedem sua aplicação no dia a dia. Entre os principais obstáculos estão:

-   **Tamanho e Custo:** O scanner MEG pesa cerca de meia tonelada e custa aproximadamente US$ 2 milhões, tornando-o inacessível para o público geral.
-   **Falta de Portabilidade:** O equipamento tem o tamanho de uma geladeira e requer uma sala especializada para operar.
-   **Sensibilidade ao Movimento:** Pequenos deslocamentos da cabeça podem comprometer a precisão do sistema.
-   **Ambiente Controlado:** O funcionamento ideal exige uma sala magneticamente blindada para minimizar interferências externas.

### O Futuro das Interfaces Cérebro-Computador

Embora ainda esteja longe do uso prático, o Brain2Qwerty representa um passo importante para a comunicação neural. No futuro, a evolução dessa tecnologia poderá proporcionar avanços na neurociência e no desenvolvimento de dispositivos assistivos para pessoas com limitações motoras ou dificuldades de fala.

A Meta segue investindo no aprimoramento dessa interface, indicando que a fusão entre inteligência artificial e neurociência poderá redefinir a interação humano-computador nas próximas décadas. Se esses desafios forem superados, a conversão de pensamentos em texto poderá se tornar uma realidade cotidiana, revolucionando a forma como nos comunicamos e interagimos com a tecnologia.

**Atualização:** em 2026 a Meta [anunciou o Brain2Qwerty v2](https://ai.meta.com/blog/brain2qwerty-brain-ai-human-communication/), com precisão média de 61% (chegando a 78% no melhor participante) e treinado com cerca de 22 mil frases, uma evolução direta do sistema descrito acima.

O Brain2Qwerty prova que dá para decodificar pensamento em texto com precisão relevante (80% no melhor cenário do estudo original), mas o custo do equipamento (cerca de US$ 2 milhões) e a exigência de sala blindada mantêm a tecnologia em ambiente de pesquisa por enquanto.

Assim como o Brain2Qwerty depende de um modelo de deep learning para traduzir sinais cerebrais em significado, os motores de busca hoje dependem de modelos semelhantes, vetores e embeddings, para traduzir a intenção por trás de uma consulta em significado. Para entender como essa mudança está impactando o SEO, veja [a mudança para o SEO semântico e o que os vetores significam para sua estratégia](/blog/a-mudanca-para-o-seo-semantico-o-que-os-vetores-significam-para-sua-estrategia/).