科技領域迎來一項突破性進展——meta旗下基礎人工智能研究團隊（FAIR）正式開源新一代AI模型TRIBE v2。該模型通過創(chuàng)新的多模態(tài)融合技術，實現(xiàn)了對人類大腦視覺、聽覺及語言反應的高精度預測，為神經(jīng)科學研究開辟了全新路徑。與傳統(tǒng)依賴腦部掃描的研究方式不同，TRIBE v2無需實際測量即可生成大腦活動圖，顯著降低了研究成本與周期。

模型的核心機制在于整合視頻、音頻與文本三種輸入數(shù)據(jù)。通過Video-JEPA-2、Wav2Vec-Bert-2.0及Llama 3.2三個預訓練模型分別提取特征后，Transformer架構將這些信息融合，最終輸出包含7萬個"體素"的3D大腦活動圖。實驗數(shù)據(jù)顯示，其預測精度超越傳統(tǒng)線性模型，甚至能復現(xiàn)經(jīng)典神經(jīng)科學實驗結果，且在處理新數(shù)據(jù)時無需重新訓練，僅需短暫微調即可提升準確性。

在性能對比中，TRIBE v2展現(xiàn)出顯著優(yōu)勢。功能性磁共振成像（fMRI）常受心跳、頭部微動等生理噪聲干擾，而該模型通過預測"調整后的平均反應"有效過濾雜音，生成的大腦活動圖清晰度優(yōu)于真實掃描結果。研究團隊特別指出，當同時輸入多模態(tài)數(shù)據(jù)時，模型在大腦顳葉、頂葉與枕葉交界處的預測準確率可提升50%，而單獨輸入音頻時僅能激活聽覺皮層。

實際應用場景中，TRIBE v2已驗證多項神經(jīng)科學發(fā)現(xiàn)：在視覺實驗中準確識別出處理面部、地點等信息的專門腦區(qū)；在語言實驗中復現(xiàn)了言語與沉默、情感與疼痛等經(jīng)典區(qū)分模式。不過，該模型仍存在技術局限——其依賴血流數(shù)據(jù)導致無法捕捉毫秒級神經(jīng)活動，且未納入觸覺與嗅覺維度。目前，meta已公開模型代碼與權重，重點探索其在腦科學實驗設計、類腦AI架構開發(fā)及腦疾病診斷等領域的潛在價值。