Mózg jako interfejs: roboty BrainCo i czapka Sabi testują granice EEG
BrainCo pokazało w Szanghaju sterowanie robotem przez EEG, a Sabi zapowiada czapkę piszącą z myśliami — oba projekty obiecują mniej klikania, ale więcej pytań o skuteczność i prywatność.
Najciekawszy kierunek w interakcji człowieka z technologią nie musi dziś prowadzić przez lepszy ekran, dokładniejsze rozpoznawanie mowy ani kolejną odmianę asystenta AI. Coraz wyraźniej widać próbę przesunięcia interfejsu bliżej samej intencji użytkownika. Chińska firma BrainCo zaprezentowała podczas World Artificial Intelligence Conference 2026 w Szanghaju platformę Brain-Controlled Robot AI Platform, określaną przez producenta jako pierwszy zintegrowany system badawczo-rozwojowy łączący interfejs mózg-komputer, sztuczną inteligencję i roboty. Równolegle startup Sabi z Palo Alto pracuje nad czapką EEG, która ma zamieniać aktywność mózgu w tekst na podłączonym urządzeniu. To dwa różne zastosowania tej samej obietnicy: komputer ma reagować nie na kliknięcie, gest lub głos, lecz na rozpoznany zamiar.
W pokazie BrainCo użytkownik zakłada lekki zestaw EEG, którego elektrody rejestrują aktywność elektryczną widoczną na powierzchni głowy. Algorytm analizuje sygnał, rozpoznaje zdefiniowaną intencję sterującą i przekłada ją na komendę dla robota. Podczas demonstracji robotyczne ramię chwytało kubek i podnosiło jabłko bez naciskania przycisków, wypowiadania poleceń czy wykonywania gestów. Firma deklaruje, że od wykrycia sygnału w mózgu do przekazania instrukcji maszynie mija mniej niż 200 milisekund. Ważne jest też to, że platforma nie ma być przypisana wyłącznie do jednego ramienia pokazowego. Ma współpracować z dostępnymi na rynku humanoidami, robotami czworonożnymi i innymi maszynami używanymi w laboratoriach. BrainCo nie prezentuje więc jedynie robota, ale warstwę pośrednią: mózg jako wejście, sztuczną inteligencję jako tłumacza i maszynę jako wykonawcę.
Nie oznacza to jednak czytania myśli w potocznym sensie. Systemy oparte na EEG nie przeglądają swobodnego strumienia świadomości i nie wiedzą, o czym użytkownik pomyślał przy okazji wykonywania zadania. Działają na ograniczonych, wcześniej zdefiniowanych wzorcach aktywności: wyobrażeniu ruchu, skupieniu na komendzie albo zadaniu poznawczym, które model nauczył się wiązać z konkretną akcją. Tu zaczynają się techniczne ograniczenia. Sygnał EEG przechodzi przez tkanki, płyn mózgowo-rdzeniowy i czaszkę, więc do elektrod dociera osłabiony i rozmyty. Zakłócają go ruchy oczu, mięśnie twarzy, przesunięcie elektrod, zmęczenie, poziom skupienia, otoczenie elektromagnetyczne i różnice między użytkownikami. Sama szybkość reakcji nie wystarcza, jeśli nie wiadomo, jak często system wybiera właściwą komendę. BrainCo nie ujawniło szczegółowych danych o dokładności, liczbie uczestników, czasie kalibracji, błędach ani działaniu platformy poza kontrolowanym pokazem.
Skalę wyzwania dobrze pokazują wyniki badań nad nieinwazyjnym sterowaniem robotyczną dłonią. W eksperymencie z 21 doświadczonymi użytkownikami interfejsów mózg-komputer średnia skuteczność rozpoznawania wyobrażonych ruchów dwóch palców wyniosła 80,56 procent, ale przy trzech palcach spadła do 60,61 procent. To imponujące naukowo, bo chodzi o subtelne różnice aktywności mózgu, lecz praktycznie oznacza ryzyko bardzo częstych pomyłek. W dodatku badani mieli wcześniejsze doświadczenie z takimi systemami, a osoby ze słabszymi wynikami wstępnymi odrzucono. Autorzy wskazywali też, że od 15 do 30 procent ludzi może mieć problem z uzyskaniem stabilnych sygnałów potrzebnych do sterowania metodą opartą na wyobrażeniach ruchowych. Dlatego droga od efektownego pokazu do urządzenia, któremu można powierzyć domowe, przemysłowe lub medyczne zadania, pozostaje długa.
Najbardziej strategicznym elementem projektu BrainCo może okazać się nie samo sterowanie ramieniem, lecz zbieranie danych dla ucieleśnionej sztucznej inteligencji. Modele językowe mogły uczyć się na ogromnych zasobach tekstu, obrazu i kodu zgromadzonych w internecie. Robot potrzebuje jednak danych o świecie fizycznym: trajektorii dłoni, sile chwytu, oporze przedmiotu, ułożeniu ciała, obrazie z kamer, odczytach z czujników i konsekwencjach drobnych korekt ruchu. BrainCo chce łączyć dane z fizycznego robota, demonstracje wykonywane przez człowieka i symulacje. W tym celu wykorzystuje mobilną platformę z dwoma ramionami, precyzyjną rękawicę rejestrującą ruch oraz EEG operatora. W teorii pozwala to dopisać do ruchu dodatkową warstwę intencji: nie tylko co zrobiła ręka, ale jaki cel próbował osiągnąć człowiek przed ruchem lub w jego trakcie.
Projekt Sabi przenosi tę samą ideę z robotyki do codziennej komunikacji z komputerem. Startup pracuje nad czapką typu beanie, w której mają znaleźć się dziesiątki tysięcy miniaturowych biosensorów, każdy mniejszy od soczewicy. Urządzenie ma odczytywać aktywność mózgu za pomocą EEG i zamieniać ją w tekst z prędkością około 30 słów na minutę, bez mówienia i bez implantu. Premiera planowana jest na koniec 2026 roku, później ma pojawić się także wersja w formie czapki z daszkiem, a ceny jeszcze nie podano. Sabi twierdzi, że system ma radzić sobie z ciągłą mową wewnętrzną, a nie wyłącznie z prostym zestawem komend. Pomóc ma Brain Foundation Model trenowany na około 100 tysiącach godzin danych neuronowych zebranych od 100 ochotników. Dane użytkownika mają być szyfrowane przed wysłaniem do chmury, a model miał być trenowany na zaszyfrowanych sygnałach.
Z punktu widzenia użytkownika potencjał jest oczywisty. Pisanie bez głosu mogłoby przydać się w biurze, pociągu, poczekalni lub domu, w którym dyktowanie zamienia prywatną wiadomość w publiczny monolog. Jeszcze większe znaczenie takie rozwiązania mogą mieć dla osób z ograniczeniami ruchowymi, po urazach lub z chorobami neurologicznymi, gdy język i intencja są zachowane, ale ciało utrudnia komunikację. Nieinwazyjna czapka jest psychologicznie i praktycznie czymś innym niż implant wymagający operacji, nawet jeśli implanty mogą oferować silniejszy sygnał. Jednocześnie nie wiadomo, jak Sabi poradzi sobie poza zapowiedziami: z ruchem, włosami, różnymi kształtami głowy, hałasem elektrycznym, zmęczeniem, wielojęzycznością i błędami. Klawiatura raczej nie zniknie, bo jest tania, precyzyjna, przewidywalna i wrosła w sposób myślenia wielu osób.
Najpoważniejsza wspólna lekcja z projektów BrainCo i Sabi dotyczy zaufania. Sygnały EEG nie pozwalają odtworzyć całych wspomnień ani prywatnego strumienia myśli, ale mogą nieść informacje o skupieniu, zmęczeniu, reakcji na bodźce i wzorcach charakterystycznych dla konkretnego użytkownika. Jeśli mają sterować robotem, błąd klasyfikacji może skutkować niewłaściwym ruchem maszyny. Jeśli mają tworzyć tekst, problemem staje się zarówno prywatność, jak i odpowiedzialność za błędnie rozpoznane słowa. Dlatego liczby takie jak 200 milisekund reakcji czy 30 słów na minutę są tylko początkiem rozmowy. Rynek będzie musiał pytać o dokładność, kalibrację, odsetek pomyłek, pracę w długich sesjach, bezpieczeństwo danych i możliwość kontroli przez użytkownika. Rok 2026 nie musi przynieść końca klawiatur ani joysticków, ale może pokazać, że kolejny interfejs z komputerem będzie coraz mniej widoczny — i coraz bardziej wrażliwy.