Meta가 March 26, 2026 공개한 TRIBE v2는 sight, sound, language에 대한 인간 뇌 반응을 예측하는 predictive foundation model이다. 회사는 이 모델을 human neural activity의 digital twin으로 설명하면서, 유사한 접근법 대비 70x resolution increase를 제공한다고 밝혔다. 핵심 메시지는 단순한 benchmark 개선이 아니라 neuroscience 연구와 clinical research 가설 검증 속도를 높일 수 있는 공용 연구 인프라를 내놓았다는 점이다.

기술적으로 가장 눈에 띄는 부분은 학습 규모다. Meta는 images, podcasts, videos, text를 접한 700명 이상의 healthy volunteers 데이터로 TRIBE v2를 학습했다고 설명했다. 이를 바탕으로 new subjects, languages, tasks에 대한 zero-shot prediction이 가능하며, standard modeling approaches보다 일관되게 더 높은 성능을 보였다고 주장한다. 이 주장이 실제 연구 환경에서도 유지된다면, 초기 탐색 단계에서 매번 새로운 human-subject experiment를 반복해야 하는 부담을 줄이는 데 의미가 있다.

왜 중요한가

Brain-response modeling은 보통 expensive data collection, 제한된 resolution, 개인 간 전이 성능 부족이라는 제약을 동시에 안고 있다. Meta는 TRIBE v2가 이 병목을 줄일 수 있다고 본다. 연구자는 먼저 computational model 위에서 가설을 빠르게 걸러낸 뒤, 가장 유망한 질문에만 실제 lab time과 participant recruitment를 집중할 수 있다는 것이다. 이는 basic neuroscience뿐 아니라 neurological disorders 관련 연구에서도 실험 설계를 더 빠르게 다듬는 데 도움이 될 수 있다.

Meta는 TRIBE v2가 coarse behavior가 아니라 high-resolution fMRI activity를 예측한다고 설명했다.
회사는 unseen subjects, languages, tasks에 대한 zero-shot generalization을 핵심 성과로 제시했다.
연구 커뮤니티를 위해 model weights, code, paper, interactive demo를 공개했다.

물론 prediction이 곧 explanation을 뜻하는 것은 아니다. Brain activity를 잘 근사하는 모델이 곧바로 causal mechanism을 밝혀주는 것은 아니며, Meta 역시 TRIBE v2를 human experiments의 대체물이 아니라 hypothesis testing을 가속하는 도구로 제시한다. 그럼에도 이번 공개는 large multimodal brain dataset, deployable model, 공개 연구 산출물을 하나의 release로 묶었다는 점에서 의미가 크다. AI/IT 관점에서는 foundation-model 방법론이 이제 measurement cost가 높고 expert review가 병목인 과학 영역으로 더 깊게 들어가고 있다는 신호로 읽힌다.

#brain-model

Meta, TRIBE v2 공개... new subjects·languages·tasks에 zero-shot generalization하는 high-resolution fMRI model