Cyfrowe serce pod lupą Mety: Model TRIBE v2 przewiduje reakcje ludzkiego mózgu

Współczesna neuronauka boryka się z fundamentalnym wąskim gardłem: każde nowe badanie wymaga kosztownych, czasochłonnych i logistycznie skomplikowanych sesji fMRI (funkcjonalnego rezonansu magnetycznego). Inżynierowie z laboratorium FAIR (Fundamental AI Research) należącego do Mety proponują rozwiązanie, które może zrewolucjonizować tę dyscyplinę. Ich najnowszy model, nazwany TRIBE v2, nie tylko analizuje dane medyczne, ale służy jako cyfrowy symulator ludzkiego mózgu, zdolny do przewidywania reakcji kory mózgowej na bodźce zewnętrzne.

Architektura oparta na fuzji zmysłów

Fundamentem TRIBE v2 jest monumentalny zbiór danych – ponad 1000 godzin nagrań aktywności mózgu pochodzących od 720 uczestników. System operuje na trzech głównych kanałach wejściowych: wideo, audio oraz tekście. Aby nadać tym danym formę zrozumiałą dla modelu, Meta wykorzystała swoje flagowe rozwiązania. Za przetwarzanie tekstu odpowiada Llama 3.2, dźwięk analizuje Wav2Vec-Bert-2.0, a za warstwę wizualną odpowiada Video-JEPA-2.

Dane te trafiają następnie do transformera, który pełni rolę swoistego integratora. Model nie tylko interpretuje surowe informacje, ale identyfikuje wzorce wspólne dla różnych bodźców i osób. Finalna warstwa personalizująca przekłada te skomplikowane operacje na mapę aktywności mózgu składającą się z 70 000 wokseli (trójwymiarowych odpowiedników pikseli w badaniu fMRI). Co istotne, TRIBE v2 w testach często generował profil „typowego” mózgu z większą trafnością niż pojedynczy skan wykonany na żywo u konkretnego pacjenta.

Laboratorium przeniesione do procesora

Potencjał TRIBE v2 wykracza poza zwykłą predykcję – system potrafi odtworzyć dekady klasycznych badań neuronaukowych w środowisku wirtualnym. Programiści Mety poddali model testom z wykorzystaniem protokołów badawczych Individual Brain Charting. Wyniki okazały się uderzająco zbieżne z rzeczywistością: model bezbłędnie lokalizował ośrodki odpowiedzialne za rozpoznawanie twarzy, miejsc czy ciał. W testach lingwistycznych AI poprawnie wskazywała silniejszą aktywację lewej półkuli przy przetwarzaniu pełnych zdań w porównaniu do prostych list słów.

Krytycznym aspektem warsztatowym było sprawdzenie, jak poszczególne zmysły wpływają na mapy mózgowe. Wyłączając poszczególne kanały wejściowe, badacze zaobserwowali, że TRIBE v2 zachowuje merytoryczną spójność z wiedzą biologiczną: bodźce audio aktywowały korę słuchową, a tekst – specyficzne rejony płata czołowego. Pozwala to na precyzyjne planowanie prawdziwych eksperymentów medycznych, eliminując ślepe zaułki na etapie symulacji komputerowej.

Ograniczenia i perspektywy

Mimo imponujących wyników, TRIBE v2 pozostaje modelem teoretycznym o pewnych ograniczeniach. Po pierwsze, opiera się na fMRI, które ze swojej natury mierzy przepływ tlenu we krwi, a nie bezpośrednie impulsy elektryczne neuronów. Tworzy to naturalne opóźnienie i uniemożliwia uchwycenie dynamiki procesów zachodzących w milisekundach. Dodatkowo model traktuje mózg jako pasywnego odbiorcę, pomijając całkowicie zmysły takie jak dotyk, zapach czy zmysł równowagi.

Meta udostępniła kod źródłowy, wagi modelu oraz demo interaktywne na zasadach open-source. Kierunek wydaje się jasny: od projektowania bardziej „ludzkich” architektur sieci neuronowych, po potencjalne narzędzia diagnostyczne w wykrywaniu chorób neurodegeneracyjnych. To krok w stronę neuronauki, która rzadziej zagląda do tunelu rezonansu, a częściej korzysta z mocy obliczeniowej GPU.