TRIBE v2, el modelo de IA de Meta para predecir la actividad cerebral humana

El equipo de investigación de Meta ha publicado TRIBE v2, un modelo de inteligencia artificial diseñado para simular cómo el cerebro humano procesa estímulos visuales, auditivos y lingüísticos. El sistema genera predicciones de la actividad cerebral medida mediante resonancia magnética funcional (fMRI) con una resolución notablemente mayor que la de sus predecesores, lo que permite obtener mapas cerebrales más detallados a partir de simulaciones computacionales.

El modelo se entrenó con registros de resonancia magnética de más de 700 voluntarios sanos que fueron expuestos a una variedad amplia de contenidos: imágenes, vídeos, podcasts y textos. Este volumen de datos supone un salto importante respecto al modelo anterior del equipo, el ganador del concurso Algonauts 2025, que había sido entrenado con datos de tan solo cuatro personas. Gracias a este mayor conjunto de entrenamiento, TRIBE v2 es capaz de generar predicciones para nuevos sujetos, nuevos idiomas y nuevas tareas sin necesidad de datos específicos de esas situaciones, una capacidad conocida como inferencia zero-shot.

Uno de los usos principales que Meta señala para esta herramienta es permitir a los investigadores probar hipótesis sobre el funcionamiento del cerebro sin necesidad de reclutar participantes humanos en cada experimento. Esto podría reducir el coste y el tiempo de los estudios en neurociencia, además de abrir nuevas vías para investigar trastornos neurológicos. Meta también apunta que los conocimientos extraídos de este tipo de modelos podrían contribuir al desarrollo de sistemas de inteligencia artificial más alineados con los principios del cerebro humano.

El modelo, el código fuente, el artículo científico y una demo interactiva están disponibles de forma pública bajo licencia CC BY-NC, lo que permite su uso para fines de investigación no comercial.

Puntos clave

• TRIBE v2 predice la actividad cerebral ante imágenes, sonidos y texto.
• Resolución 70 veces superior a modelos comparables mediante fMRI.
• Entrenado con más de 700 voluntarios, frente a 4 del modelo anterior.
• Genera predicciones para nuevos sujetos e idiomas sin datos previos (zero-shot).
• Permite probar hipótesis cerebrales sin necesidad de participantes humanos.
• Podría acelerar la investigación sobre trastornos neurológicos.
• Sus hallazgos podrían aplicarse también al desarrollo de nuevos sistemas de IA.
• Disponible públicamente con código, paper y demo bajo licencia CC BY-NC.