脳波デコーディング技術の現在地と課題

fMRIで脳活動をテキストに変換——2023年の衝撃

脳波解読技術のメリット

テキサス大学のfMRI脳デコーダーは思考内容をWER約23%の精度でテキスト変換しており（2023年、Nature Neuroscience掲載）、言語障害者の意思疎通を支援できる
ALS・脳卒中・脊髄損傷など運動機能を失った患者が文章を入力・コミュニケーションできる手段として実用化が進んでいる
BCI市場は2030年に62.2億ドル規模へ成長が予測され、医療・リハビリ用途を中心に社会実装が加速している
fMRI以外にもEEG・ECoGなど多様な計測手段の研究が進み、将来的なウェアラブル化の可能性が広がっている

現状の技術的・倫理的課題

現状はfMRI装置が必要で拘束が必要なため日常利用は不可能。ウェアラブル化にはEEG＋AIの精度向上が鍵
被験者ごとに16時間以上のトレーニングデータ収集が必要で、他人のモデルでは一切動作しない
思考の読み取り技術は同意なき情報収集・尋問への悪用リスクがあり、「神経プライバシー」の法整備が急務
思考内容の解読精度向上が「思考の自由」という基本的人権を侵害する可能性があり、国際的な議論が必要

この記事のポイント

テキサス大学のfMRI脳デコーダーは被験者の思考内容をWER約23%の精度でテキスト変換した（2023年、Nature Neuroscience掲載）
fMRIは装置が巨大で拘束が必要なため、ウェアラブル化には「脳波（EEG）+AIの精度向上」が鍵となる
BCI市場は2030年に62.2億ドル規模へ成長が予測され、医療・リハビリ用途が先行して実用化される

2023年、テキサス大学オースティン校の研究チームがfMRIで脳活動を読み取り、被験者が考えた内容をテキストに変換しました。この研究成果はNature Neuroscience誌に掲載され、脳科学とAI融合が新たな段階に入ったことを世界に示しました。従来の脳波解読は「はい」か「いいえ」程度の二択が限界であり、自由な思考を言語化する技術は夢物語でした。それが連続する思考の流れを自然言語テキストとして出力する段階に到達したのです。

ただし冷静に見る必要があります。この技術はまだ研究室の巨大なfMRI装置の内部でしか機能しません。被験者ごとに16時間以上のトレーニングデータ収集が必要であり、他人のモデルでは一切動作しません。「思考盗聴装置」が完成したわけではなく、実用化までには技術面・倫理面の双方で複数のハードルが残されています。

脳波解読技術の動向を把握する3ステップ

1
テキサス大学の脳デコーダー論文を読む
Tang et al.（2023）「Semantic reconstruction of continuous language from non-invasive brain recordings」をNature Neuroscience誌で確認する。精度の実態と実験条件（被験者数・学習データ量）を把握することが重要だ。
2
EEGベースのBCI製品動向を調べる
OpenBCI・Emotiv・MUSEなどのウェアラブルEEGデバイスの現在の精度と価格帯を調べる。非侵襲型BCIがどこまで実用に近づいているかをハードウェア側から評価できる。
3
各国のニューロライツ（神経的権利）法制を確認する
チリは2021年に世界初のニューロライツ憲法改正を行い、「精神的プライバシー」を基本権として保護した。日本・EU・米国の対応状況を調べ、規制環境の違いを把握する。

脳波デコーディングの主要な3方式と特徴

fMRI方式——空間分解能は高いが装置が巨大

テキサス大学の脳デコーダーは、fMRI（機能的磁気共鳴画像法）を使って脳の血流変化を数ミリ単位で測定します。空間分解能が高く、脳のどの領域が活性化しているかを詳細に把握できる点が最大の強みです。ただし被験者ごとに最低16時間のfMRIデータ収集が必要で、他の人には全く使えない「個人専用モデル」になります。研究チームのアレクサンダー・フース准教授らは、被験者がポッドキャストを聴取している間の脳活動パターンを記録し、その内容を要約するテキストを大規模言語モデルで生成することに成功しました。精度の指標であるWER（単語誤り率）は約23%であり、これは「50語のうち約12語が誤っている」水準です。完璧な文章再現ではなく、意味の大まかな把握ができる段階にとどまります。

最大の課題は装置の規模にあります。fMRI装置は数トンの重量を持ち、液体ヘリウムで冷却した超伝導磁石を内蔵しています。1台あたりのコストは数億円に達し、設置には電磁シールドを備えた専用の部屋が不可欠です。時間分解能も秒単位と遅く、リアルタイムの思考追跡には向きません。病院外での日常的な使用は現時点では困難です。

EEG方式——安価で手軽だが精度の壁が厚い

脳波計（EEG）は頭皮に電極を貼り付けて脳の電気信号を計測する方式です。装置が小型で数万円台から入手可能であり、BCI（ブレイン・コンピュータ・インターフェース）研究の入口として最も広く使われています。時間分解能がミリ秒単位と極めて高い点も大きな利点です。Meta AIは2023年、EEGとMEG（脳磁図）を組み合わせ、脳波データから被験者が聴いている音声をデコードする研究成果を発表しています。

EEGの構造的な弱点は空間分解能の低さにあります。脳の電気信号は頭蓋骨と頭皮を通過する際に大幅に拡散してしまう。どのニューロン群が発火したかを正確に特定することが難しく、複雑な思考パターンのデコードには本質的な限界があります。電極の数を増やしても頭蓋骨という物理的バリアは除去できません。信号対雑音比（SNR）の改善と、AIによるノイズ除去アルゴリズムの高度化が今後の鍵となります。

EEGで映像を分類——ロシア研究グループの成果（2025年）

ロシアの研究グループは2025年、EEG脳波キャップを装着した被験者が映像を視聴中の脳波データをAIに学習させ、234試行中210試行で正しい映像を分類することに成功したと報告しました（出典: カラパイア, 2025年10月）。正解率は約90%と高く見えますが、重要な条件があります。これは「あらかじめ学習させた映像セット内での分類」であり、未知の映像を脳波から復元する技術とは根本的に異なります。既知カテゴリへの照合と、自由な思考の読み取りは、技術的難易度が数段異なります。

侵襲型BCI——Neuralink N1チップの1,024電極

Neuralink社は2024年1月、1,024本の極細電極を持つN1チップを人間の脳に初めて埋め込んです。侵襲型BCIは大脳皮質の表面に直接電極を配置するため、頭蓋骨による信号の減衰が発生しません。非侵襲型と比較して桁違いに高精度なニューロン活動の記録が可能です。

初の被験者であるノーランド・アーボー氏は、頸髄損傷による四肢麻痺を抱えていました。N1チップ埋め込み後、思考だけでカーソル操作やチェスのプレイ、スマートフォンの操作を実現し、世界的な注目を集めました。しかしリスクも見過ごせません。脳外科手術に伴う感染症リスク、電極と脳組織の長期的な適合性、チップの耐久年数など、安全性の本格的な検証はようやく始まったばかりです。数週間後に一部電極が脱落したという報告もあり、長期的な安定性は未知数です。

NTTマインドキャプショニングの成果と限界

知覚映像の再現精度は約50%

NTTの研究チームが開発した「マインドキャプショニング」は、fMRIで取得した脳活動データから視覚体験をテキストで記述する技術です。被験者が実際に見ている映像（知覚状態）については、約50%の精度でキャプションを自動生成できます。「犬が芝生の上を走っている」「赤い車が駐車場に停まっている」といった場面記述が、脳活動データだけから出力されます。従来の画像分類（カテゴリの判定）を超え、自然言語による場面描写に成功した点が画期的です。

想起映像は約30%——記憶読み取りの最前線

過去の記憶から思い出した映像（想起状態）になると、精度は約30%にまで低下します。想起時の脳活動パターンは知覚時と比べて信号が微弱で、被験者ごとの個人差も大きいです。「他人が何を考えているか読む」というイメージに最も近い想起デコードこそが最も難しい技術領域であり、現時点では発展途上にあります。知覚と想起の精度差（50% vs 30%）は脳活動の信号強度に起因する構造的な問題であり、外部刺激への反応は明確な神経パターンを生むが、内的な記憶想起は信号が弱く再現性も低いです。この壁を超えるには、センサー感度とAIモデルの双方での革新が欠かせません。

Stanford内部発話デコーディング——麻痺患者の「心の声」を文字に

2025年8月の成果

スタンフォード大学の研究チームは2025年8月、脊髄損傷による麻痺患者を対象に、声に出さずに考えるだけで文字を入力できる内部発話デコーディングデバイスを発表しました（出典: Stanford Report, 2025年8月）。

このシステムはECoG（皮質脳波）電極を言語野に近接する脳表面に配置し、発話を試みる際の神経信号パターンを解読します。被験者は声を出さずに文字を思い浮かべるだけで、画面上のカーソルが動き文章が完成します。音節単位での解読精度は健常者の会話速度（1分あたり約40〜50音節）に近づきつつあり、コミュニケーション補助デバイスとしての実用化が最も近い侵襲型BCIアプローチです。ただし言語野への電極留置手術が必要なため、適用対象は重度の麻痺患者に限られます。

脳デコードに必要な演算エネルギーの実態

技術方式別エネルギー・精度比較

方式	空間分解能	時間分解能	装置消費電力	デコード精度	TRL
fMRI	〜2mm（高）	数秒（低）	20〜40kW（超高）	WER約23%（UT Austin）	3〜4
EEG（非侵襲）	数cm（低）	ミリ秒（高）	数W（低）	既知カテゴリ分類約90%	3〜4
ECoG（皮質脳波）	〜5mm（中）	ミリ秒（高）	数W（低）	内部発話50音節/分（Stanford）	4〜5
侵襲型BCI（Neuralink等）	ニューロン単位（最高）	ミリ秒（高）	デバイス側数mW（低）	カーソル操作・テキスト入力（実証済み）	5〜6

※GPU/クラウド側の推論電力は含まない。fMRI装置の20〜40kWは液体ヘリウム冷却の超伝導磁石を含む。

GPU推論の消費電力——1基で最大700W

脳波データをリアルタイムでテキストに変換する処理には、大規模言語モデルの推論と同等かそれ以上の計算負荷がかかる。NVIDIA H100 GPUの最大消費電力（TDP）は700Wです。脳デコードのような低遅延が求められる処理では複数基の並列稼働が前提となり、1台のサーバーラックで数十kWの電力を消費するケースがあります。仮にBCIが普及すれば、推論処理のための電力需要は爆発的に増大します。

クラウド依存とエッジAIの省電力化

現在の脳デコーダーのほぼすべてが、重い推論処理をクラウド側のサーバーで実行する構造を取っています。BCIデバイス自体が小型化しても、バックエンドのデータセンターが消費する電力は増大する一方です。OLEDディスプレイの省エネ技術のような出力側の効率化だけでは、入力・処理側のエネルギー問題は解決できません。

有望な解決策がエッジAIチップの活用です。Apple Neural EngineやQualcomm Hexagonなどのオンデバイス推論チップを使えば、脳波の一次処理をデバイス側で完結させ、クラウドへの通信量と総消費電力を大幅に削減できます。消費電力をクラウド処理の10分の1以下に抑える研究が各社で進行中ですが、精度低下とのトレードオフが課題として残ります。量子バッテリーの技術が進展すれば、ウェアラブルBCIの連続稼働時間も大幅に延びる可能性があります。

脳波デコーディング主要システムの性能比較（2026年時点）

システム・研究	センサー方式	語彙・出力形式	デコード精度	学習データ収集時間	侵襲性	TRL
テキサス大学fMRI脳デコーダー（Tang et al.2023）	fMRI	自然言語テキスト（連続）	WER約23%（意味の大まかな把握）	16時間以上（個人専用モデル）	非侵襲（拘束必要）	3〜4
NTTマインドキャプショニング	fMRI	映像の自然言語キャプション	知覚約50%、想起約30%	複数回のスキャンセッション	非侵襲（拘束必要）	3〜4
Stanford内部発話デコーダー（2025年8月）	ECoG（皮質脳波）	文字・音節（内部発話）	約40〜50音節/分（会話速度近づく）	数週間〜数カ月（電極留置期間）	侵襲（開頭手術）	4〜5
Neuralink N1	侵襲型BCI（1,024電極）	カーソル操作・テキスト入力	PC操作・チェス・スマートフォン実証済み	数週間（適応期間）	侵襲（脳外科手術）	5〜6
ロシア研究グループEEG分類（2025年）	EEG（非侵襲）	既知映像カテゴリの分類	約90%（学習済みセット内）	数時間〜数十時間	非侵襲（ヘッドセット）	3〜4

高精度デコードには侵襲型BCIが優位だが、非侵襲型は安全性・利便性で勝る。いずれも被験者個人のトレーニングデータが必須であり、無断の思考読み取りは現時点で技術的に不可能だ。

BCI市場の成長予測——2030年に62.2億ドル規模

CAGR 19.5%で急速に拡大する市場

BCI市場は2024年時点で約21.3億ドル（約3,200億円）の規模です。2030年には62.2億ドル（約9,300億円）に到達するとGrand View Researchなど複数の調査機関が予測している（CAGR 19.5%）。現在の市場をけん引しているのは医療リハビリ用途だが、ゲーミング、教育、職場の生産性向上といった民生領域への拡大も見込まれています。

主要プレイヤーと投資マネーの集中

Neuralink以外にも、Synchron社が血管内ステント型BCI「Stentrode」で臨床試験を進めています。開頭手術を行わずに血管経由で脳にデバイスを到達させる低侵襲アプローチです。Blackrock Neurotech社の「NeuroPort」は研究機関向けに数百台の導入実績を持つ。中国では清華大学を中心としたBCI国家プロジェクトが加速しており、米中間の技術覇権争いの様相を呈しています。資金面でもNeuralink社は2023年に2.8億ドルのシリーズDを完了し、Synchron社も7,500万ドルの調達に成功しています。

技術成熟度（TRL）の冷静な評価

方式別TRL——最も進んだものでTRL 4〜5

脳波デコーディングのTRL（技術成熟度レベル）は方式ごとに大きく異なります。侵襲型BCIは臨床試験段階に入っておりTRL 4〜5です。fMRI方式は研究室での概念実証が完了した段階でTRL 3〜4です。ECoG（皮質脳波）は麻痺患者向け内部発話デコーディングで実証済みでTRL 4〜5です。非侵襲型EEG方式は単独では十分なデコード精度に達しておらず、TRL 3〜4にとどまっています。いずれの方式も商用製品として一般に流通するにはまだ数年から数十年の開発期間が必要です。

「思考を完全に読む」は実現していない

現在の技術はすべて「脳活動パターンと事前に学習したカテゴリを照合する」方式です。未知の思考を自由にテキスト化できる汎用的な能力はどの方式にもありません。テキサス大学の脳デコーダーでさえ、個人ごとに16時間以上のfMRIトレーニングデータが必須であり、トレーニング済みでない被験者には全く機能しません。汎用的な「思考盗聴」は2026年現在、技術的に実現していません。

倫理規制の最前線——チリの神経権利法

仮に技術が進歩したとしても、同意なき思考読み取りは重大な人権侵害にあたる。チリは2021年に世界初の「神経権利法（Ley de Neuroderechos）」を制定し、脳データを憲法レベルで保護する枠組みを構築しました。EUのAI規制法（AI Act）もBCIを高リスクAIシステムに分類しています。コロラド州でも2024年にAIプロファイリング規制法が成立しました。技術開発と並行して法規制の整備が世界各地で進行しています。

各国の研究開発競争と日本の立ち位置

米国——民間主導のBCIイノベーション

米国ではNeuralink、Synchron、Blackrock Neurotechなど民間企業が研究をけん引しています。DARPA（国防高等研究計画局）もN3プログラムで非侵襲型BCIの開発に資金提供しており、軍事・医療の両面から技術開発が加速しています。NIH（米国国立衛生研究所）のBRAIN Initiativeは2014年から累計30億ドル以上の研究資金を投じてきました。

中国——国家戦略としてのBCI

中国は「脳科学と脳型知能」を国家重点研究プロジェクトに位置づけています。清華大学、浙江大学が非侵襲型・侵襲型の両方で独自のBCIプロトタイプを開発しています。2024年には浙江大学のチームが独自の埋め込み型BCIで患者の脳活動からテキスト入力を実現したと発表しました。

日本——基礎研究に強みを持つが商用化で遅れ

日本はNTT、ATR、大阪大学を中心に脳デコーディングの基礎研究で世界的な成果を上げてきました。ATRの神谷之康教授によるfMRI画像再構成研究は世界的に引用されています。一方で、BCIスタートアップの資金調達規模は米国の10分の1以下であり、商用化のスピードでは大きく水をあけられています。科学技術振興機構（JST）のムーンショット型研究開発事業が国家レベルの投資として見込まれています。

脳波デコーディング技術の最新動向を追うための情報源

学術論文と企業発表

Nature Neuroscience、Science、PNAS（米国科学アカデミー紀要）が脳デコーディング研究の主要掲載先です。Google ScholarやPubMedで「brain decoding」「neural interface」を定期的に検索すれば最新の研究成果を追跡できます。企業発表ではNeuralink、Synchron、Meta AIの公式ブログが一次情報源となります。NTTの研究成果はNTT R&Dフォーラムで公開されることが多いです。

市場レポートと政策動向

Grand View Research、MarketsandMarketsのBCI市場レポートが市場規模予測の標準的なソースです。各国の神経倫理規制についてはOECD Neurotechnology Projectのポリシーペーパーが網羅的にカバーしています。日本では内閣府の科学技術・イノベーション推進事務局が関連政策を公表しています。IEEE Brain Initiative Conferenceの発表資料も技術動向の把握に有用です。

よくある質問

脳波で他人の思考を完全に読み取れるのか？

2026年現在、不可能です。あらゆる脳デコーダーは被験者本人の長時間にわたるトレーニングデータを必要とし、本人の同意と積極的な協力なしには機能しません。遠隔から他人の思考を無断で読み取る技術は物理的に存在しません。

市販のEEGヘッドセットで脳波デコードは体験できるか？

Muse、Emotivといった市販EEGヘッドセットを使えば、簡易的な脳波計測は可能です。ただし搭載電極数は4〜14ch程度で、研究用の256ch EEGとは精度に大きな差があります。集中度やリラックス度の可視化が中心用途であり、思考のテキスト化はできません。

脳波デコーディングの医療応用はどこまで進んでいるか？

ALS（筋萎縮性側索硬化症）患者のコミュニケーション支援が最も実用化に近い領域です。Neuralink N1では四肢麻痺の被験者がPC操作やスマートフォンの使用を実現しました。てんかん発作の事前予測やうつ病に対する脳深部刺激療法にもBCI技術の応用が始まっています。

BCIの消費電力は将来どう変化するか？

エッジAIチップの進化により、デバイス側の消費電力は年々低下傾向にあります。一方クラウド側の推論需要は拡大しており、データセンターの電力消費は増加の一途です。ニューロモーフィックチップなど省電力アーキテクチャの研究開発が急務です。

脳波デコーディングはいつ一般に普及するか？

非侵襲型（EEGベース）の簡易BCIデバイスは5〜10年以内に民生向け製品として登場する可能性があります。ただし「思考をテキスト化する」高精度デコードが一般に普及するには、最低でも15〜20年の技術進化が必要だと多くの研究者が見ています。現在のTRLから考えて、短期間での実用化は見込めません。