[Oldie-But-A-Goodie] META、「TRIBE v2」を発表：人間の神経活動のデジタルツインとして振る舞う次世代モデル

TL;DR:

META の新しいAIは、脳スキャンよりもあなたの脳をより正確に予測できます。

---

概要:

認知神経科学は断片的で、それぞれが特定の実験パラダイムに合わせた個別のモデルに分かれています。そのため、人間の脳における認知の統一的モデルが妨げられてきました。ここでは、TRIBE v2 を紹介します。TRIBE v2 は三モーダル（映像、音声、言語）の基盤モデルであり、多様な自然環境下および実験条件で人間の脳活動を予測できます。

720人の被験者にわたる1,000時間超の fMRI を統合したデータセットを活用することで、当社のモデルが、新規の刺激、タスク、被験者に対する高解像度の脳応答を正確に予測できることを示します。従来の線形符号化モデルを上回り、精度が数倍に向上します。 >

重要な点として、TRIBE v2 はインシリコ実験を可能にします。主要な視覚および神経言語学のパラダイムで検証したところ、数十年にわたる実証研究によって確立されたさまざまな結果を回復します。最後に、解釈可能な潜在特徴を抽出することで、TRIBE v2 は多感覚統合の微細なトポグラフィ（地形）を明らかにします。

これらの結果は、人間の脳の機能的な構成を探究するための統一的な枠組みとして、人工知能が機能しうることを示しています。

---

素人向けの説明:

TRIBE v2 は、720人のデータからなる1,000時間以上の脳イメージングデータで訓練された基盤モデルです。あなたはそれに動画、音声クリップ、またはテキストを与えると、モデルは次を予測します：

• どの脳領域が活性化するか

• どれくらい強く活性化するか

• そしてどの順番で活性化するか

モデルを、これまで見たことのない人々で試すと、予測は実際の多くの脳スキャンよりも正確でした（脳スキャンは、心拍、呼吸、動きによって歪められます）。その後、研究者たちは古典的な神経科学の代表的な実験を、ソフトウェアの中だけで完全に再現しました。

スキャナー不要。人間の被験者不要。

モデルは、自分自身で、顔認識の中枢、言語ネットワーク、そして感情処理の領域を正しく特定しました。

私の考え:

Meta がほかにも何を作っているのか見てください：

• あなたが行うことを見て、聞く Ray-Ban のスマートグラス

• 神経の信号を読み取るリストバンド

• そして今、あらゆるコンテンツに対してあなたの脳がどう反応するかを予測するモデル

ただし、これらがすべてつながっているという証拠はありません。それでも Meta には、刺激から神経応答まで、注意の全体像がそろっている状態になっています。

---

論文へのリンク: https://ai.meta.com/research/publications/a-foundation-model-of-vision-audition-and-language-for-in-silico-neuroscience/

---

GitHub へのリンク: https://github.com/facebookresearch/tribev2

---

オープンソース化された重み: https://huggingface.co/facebook/tribev2