Meta udostępnia open source TRIBE v2: Wielomodalna AI przewidująca aktywność mózgu

Meta właśnie wypuściło TRIBE v2, ich najnowszy open-source'owy multimodalny model mózgowy. Wytrenowany do naśladowania ludzkich reakcji neuronalnych na wideo, audio i tekst. Słuchaj, neuronauka i AI zderzające się w ten sposób? Szalone. Ponad 1000 godzin skanów fMRI od ponad 700 osób włożonych do niego. Rezultat: predykcje przewyższające rzeczywiste baseline'y danych mózgowych. Nie będę kłamał — widziałem mnóstwo hype'u wokół AI. To czuje się inaczej. Zero-shot dokładność na nie widzianych mózgach? To zwrot akcji, na który twórcy czekali.

W swej istocie TRIBE v2 przetwarza trzy wejścia: klipy wideo, ścieżki dźwiękowe i opisy językowe. Wydaje symulowane wzorce fMRI pasujące do tego, co zrobiłby ludzki mózg. Trening? Ogromny. Ponad 1000 godzin od ponad 720 osób oglądających naturalne treści — filmy, podcasty, historie. Przewyższa indywidualne baseline'y i średnie grupowe. Oto rzecz: bez wyselekcjonowanych danych. Generalizuje na nowe osoby bez retreningu. Zgodnie z oficjalnym blogiem Meta i repozytorium GitHub. Myślę, że to miażdży narrację 'AI nie rozumie ludzi'. Prawdziwe połączenie neuronauki.

Modele przewidujące mózg jak ten? Naprawiają plagę 'doliny niesamowitości'. Wyobraź sobie narzędzia text-to-image lub wideo dostrojone do wywoływania prawdziwego zaangażowania ludzkiego — nie tylko ładnych pikseli. Zwrot akcji: podczas gdy Sora i Kling gonią surową wierność, TRIBE v2 daje twórcom mapy percepcyjne. Wideo, które czują się dobrze, bo prawidłowo aktywują mózgi. Postępy w multimodalnym AI mózgowym już napędzają next-gen NSFW generatory do hiperrealistycznych scen. Twórcy zyskują przewagę. Gorąca opinia: Open-sourcing symulatorów mózgu demokratyzuje boski realizm. Duże laboratoria nie będą z tego zadowolone. Ale czy to ma znaczenie? Twórcy wygrywają.