MetaがMarch 26, 2026に発表したTRIBE v2は、sight、sound、languageに対する人間の脳反応を予測するpredictive foundation modelだ。Metaはこのモデルをhuman neural activityのdigital twinと位置づけ、近い手法と比べて70x resolution increaseを実現すると説明している。単なるbenchmark更新ではなく、neuroscience researchやclinical researchでの仮説検証を速めるための研究基盤として打ち出している点が今回のポイントだ。

技術面で目を引くのは学習規模である。Metaによれば、TRIBE v2はimages、podcasts、videos、textに触れた700人超のhealthy volunteersのデータを使って学習された。その結果、new subjects、languages、tasksに対してもzero-shot predictionが可能で、standard modeling approachesを一貫して上回ったとしている。こうした性質が独立研究でも再現されれば、探索段階で毎回human-subject experimentをやり直す負担を減らせる可能性がある。

重要性

Brain-response modelingは、expensive data collection、限られたresolution、個人差をまたぐtransferの弱さという制約を抱えやすい。MetaはTRIBE v2によってこのサイクルを短縮できると主張する。研究者はまずcomputational model上で仮説を絞り込み、その後に限られたlab timeやparticipant recruitmentを最も有望なテーマへ集中できるという考え方だ。これはbasic neuroscienceだけでなく、neurological disordersに関する研究の初期検証を速める可能性も持つ。

MetaはTRIBE v2がcoarse behaviorではなくhigh-resolution fMRI activityを予測すると説明している。
新しいsubjects、languages、tasksへのzero-shot generalizationを主要な成果として挙げている。
研究コミュニティ向けにmodel weights、code、paper、interactive demoを公開した。

もちろん、predictionとexplanationは同じではない。Brain activityをうまく近似するモデルが、そのままcausal mechanismの解明を意味するわけではない。Meta自身もTRIBE v2をhuman experimentsの代替ではなく、hypothesis testingを速める補助ツールとして説明している。それでも、大規模multimodal brain dataset、deployable model、公開研究資産を一つのreleaseにまとめた意義は大きい。AI/ITの観点では、foundation-modelの手法がmeasurement costの高い科学領域へさらに深く入り始めたことを示す事例といえる。

#brain-model

Meta、TRIBE v2公開 new subjects・languages・tasksへzero-shot generalizationするhigh-resolution fMRI model

Meta、TRIBE v2公開　new subjects・languages・tasksへzero-shot generalizationするhigh-resolution fMRI model