Meta publica TRIBE v2 en código abierto: un modelo que predice respuestas cerebrales con resolución 70x mayor

El equipo FAIR de Meta publicó esta semana TRIBE v2 — un modelo de fundación de código abierto que conecta inteligencia artificial y neurociencia prediciendo cómo responde el cerebro humano a vídeo, audio y texto. El salto de escala respecto a la versión anterior no es incremental.

El TRIBE original operaba sobre aproximadamente 1.000 parcelas cerebrales gruesas. TRIBE v2 predice la actividad neuronal a nivel de unos 70.000 vóxeles cerebrales individuales, un aumento de resolución espacial de 70x. Es la diferencia entre saber “esta región del cerebro se activó” y saber “estas neuronas concretas, con este patrón específico, en este momento preciso”.

Datos de entrenamiento y arquitectura

TRIBE v2 se entrenó con 451,6 horas de registros de fMRI de 25 sujetos en cuatro estudios naturalistas con películas, podcasts y vídeos sin audio. Se evaluó sobre un conjunto de datos más amplio de 1.117,7 horas procedentes de 720 sujetos.

La arquitectura procesa las tres modalidades — vídeo, audio y texto — en un pipeline de tres etapas: codificación (codificadores específicos por modalidad), integración (fusión multimodal) y mapeo cerebral (predicción de respuestas fMRI a nivel de vóxel). Lo más relevante: TRIBE v2 soporta predicciones zero-shot, capaz de estimar cómo respondería el cerebro de un nuevo sujeto a nuevos estímulos sin necesidad de que esa persona se someta a ningún escáner de fMRI.

El modelo sigue una ley de escala log-lineal: la precisión aumenta de forma constante al añadir más datos de entrenamiento, sin que se haya observado ningún techo de rendimiento todavía. Es un hallazgo significativo: el modelo no ha alcanzado su límite y más datos seguirán mejorando las predicciones.

Qué puede hacer

TRIBE v2 puede replicar décadas de investigación neurocientífica empírica mediante simulación digital. Identifica correctamente áreas cerebrales especializadas — el área fusiforme del rostro, el área de Broca — solo a través de experimentación in silico, sin necesidad de nuevos escáneres. Los investigadores pueden ahora probar hipótesis sobre respuestas cerebrales a estímulos novedosos en segundos de cómputo, en lugar de meses de reclutamiento de sujetos y sesiones de escáner.

La capacidad zero-shot es especialmente notable. La mayoría de los modelos de codificación cerebral requieren nuevos datos de fMRI para cada sujeto. TRIBE v2 generaliza a través de sujetos, idiomas y tareas, incluyendo condiciones no vistas durante el entrenamiento.

El factor código abierto

Que Meta lo publique como código abierto significa que cualquier laboratorio de investigación con un clúster de GPUs puede construir sobre él de inmediato. Lo que AlphaFold hizo para la predicción de estructuras proteínicas — comprimir años de trabajo de laboratorio en tiempo de cómputo — podría hacerlo TRIBE v2 para las neurociencias cognitivas.

También significa que Meta, una empresa cuyo negocio depende de entender cómo las personas responden al contenido, dispone ahora de un modelo abierto que predice respuestas cerebrales a medios a resolución de vóxel. Las aplicaciones de investigación son evidentes. Las implicaciones comerciales se dejan como ejercicio para el lector.