แม่นกว่าสแกนจริง! Meta เปิดตัว TRIBE v2 เมื่อ AI จำลองสมองมนุษย์ได้ละเอียดขึ้น 70 เท่า

Meta เปิดตัว TRIBE v2 โมเดล AI ที่จำลองการทำงานของสมองมนุษย์ได้แม่นยำขึ้น 70 เท่า พร้อมความสามารถทำนายการตอบสนองของสมองต่อภาพและเสียงได้โดยไม่ต้องสแกนจริง

28 มีนาคม 2569 · 5 นาที · อ่าน 11 ครั้ง

แม่นกว่าสแกนจริง! Meta เปิดตัว TRIBE v2 เมื่อ AI จำลองสมองมนุษย์ได้ละเอียดขึ้น 70 เท่า

ทีมวิจัย Meta FAIR เปิดตัวโมเดลปัญญาประดิษฐ์รุ่นใหม่ TRIBE v2 (TRImodal Brain Encoder) ที่สามารถจำลองรูปแบบการทำงานของสมองมนุษย์ได้อย่างละเอียด โดยทำนายการตอบสนองของสมองต่อสื่อภาพและเสียงได้แม่นยำยิ่งขึ้น

ผลการทดสอบกับชุดข้อมูล Human Connectome Project แสดงให้เห็นว่า การทำนายของโมเดลมีความสอดคล้องกับการทำงานของสมองกลุ่มตัวอย่างสูงกว่าผลการสแกน fMRI รายบุคคลจริงถึง 2 เท่า เนื่องจากโมเดลสามารถตัดสัญญาณรบกวนทางชีวภาพ (Noise) ออกไป และจับรูปแบบการประมวลผลพื้นฐานของระบบประสาทได้อย่างชัดเจน

ความก้าวหน้านี้เปิดมิติใหม่ให้แก่วงการประสาทวิทยาศาสตร์คอมพิวเตอร์ (Computational Neuroscience) ในการศึกษาการทำงานของสมองด้วยแบบจำลองดิจิทัล

futuristic human brain glowing with digital data particles (Ruiqi Kong on Unsplash)

จากภาพมัวๆ สู่ความละเอียดระดับ 4K ในสมอง

TRIBE v2 พัฒนาต่อยอดมาจากรุ่นแรก โดยเพิ่มความละเอียดในการจำลองจุดพิกัดสมองสามมิติ (Voxel) จากเดิม 1,000 จุด ขยายขึ้นเป็น 70,000 จุด ซึ่งเพิ่มขึ้นถึง 70 เท่า

การขยายความละเอียดนี้ช่วยให้โมเดลสามารถครอบคลุมโครงข่ายประสาทหลักเกือบทั้งหมดในเปลือกสมองมนุษย์ ทำให้มองเห็นภาพรวมการประสานงานของสมองหลายส่วนพร้อมกันเมื่อได้รับสิ่งเร้าจากภายนอก

สถาปัตยกรรม 3 ช่องสัญญาณ: การผสานภาพ เสียง และภาษา

จุดเด่นของ TRIBE v2 คือการประมวลผลข้อมูลขาเข้า 3 รูปแบบ (Modalities) พร้อมกัน โดยเชื่อมโยงโมเดลรากฐานชั้นนำของ Meta เข้าด้วยกัน:

Video-JEPA-2: วิเคราะห์การเคลื่อนไหวและภาพวิดีโอ
Wav2Vec-Bert-2.0: ประมวลผลเสียงและสำเนียงการพูด
Llama 3.2: ถอดรหัสความหมายเชิงภาษาและบริบทข้อความ

การประมวลผลข้อมูลทั้ง 3 ด้านแบบคู่ขนานตรงจุดเชื่อมต่อประสาทสัมผัส (Multisensory Junction) ช่วยเพิ่มความแม่นยำในการทำนายการตอบสนองของสมองได้ดีกว่าการใช้ข้อมูลรูปแบบเดี่ยวถึง 50%

abstract visualization of three data streams merging into a human brain profile (pompom art on Unsplash)

ทำนายสมองบุคคลใหม่ได้ทันที (Zero-Shot Capability)

ตามปกติ การศึกษาการตอบสนองของสมองแต่ละบุคคลต้องอาศัยการเข้าเครื่อง fMRI เป็นเวลานานเพื่อเก็บข้อมูลเฉพาะตัว

TRIBE v2 ผ่านการฝึกฝนด้วยข้อมูลสแกนสมองกว่า 1,115 ชั่วโมง จากกลุ่มตัวอย่าง 720 คน จนสามารถเรียนรู้รูปแบบการทำงานร่วมกันของระบบประสาท ทำให้มีความสามารถแบบ Zero-shot ที่ทำนายการตอบสนองของสมองบุคคลใหม่ที่ไม่เคยมีข้อมูลในระบบมาก่อนได้อย่างแม่นยำ

แนวทางนี้ช่วยให้นักวิจัยสามารถจำลองการทดลองทางประสาทวิทยาผ่านแบบจำลองคอมพิวเตอร์ (In-silico neuroscience) ได้อย่างรวดเร็ว ลดขั้นตอนและค่าใช้จ่ายในการสแกนสมองจริง

การจำแนกรูปแบบการรับรู้และอารมณ์

โมเดลมีความสามารถในการระบุพื้นที่สมองที่ตอบสนองต่อสิ่งเร้าเฉพาะด้าน เช่น ใบหน้า สถานที่ ร่างกาย และตัวอักษรได้อย่างสอดคล้องกับหลักกายวิภาค

นอกจากนี้ ยังสามารถแยกแยะความแตกต่างระหว่าง การประมวลผลความเจ็บปวดทางกาย (Physical Pain) กับความเจ็บปวดทางอารมณ์ (Emotional Pain) รวมถึงตรวจพบการทำงานของสมองซีกซ้ายขณะอ่านประโยคที่มีความหมายเชื่อมโยงกัน เมื่อเทียบกับการอ่านชุดคำที่ไม่มีความสัมพันธ์

โมเดลยังสามารถตรวจจับเครือข่ายประสาทหลัก 5 ด้านได้เองโดยไม่ต้องกำหนดล่วงหน้า ได้แก่ ระบบการได้ยิน ภาษา การเคลื่อนไหว ความจำ และการมองเห็น

การประยุกต์ใช้และข้อจำกัดในปัจจุบัน

ในเชิงการแพทย์และวิทยาศาสตร์ โมเดลนี้มีศักยภาพในการพัฒนาอุปกรณ์เชื่อมต่อสมองกับคอมพิวเตอร์ (Brain-Computer Interface: BCI) เพื่อช่วยเหลือผู้ป่วยที่ไม่สามารถสื่อสารด้วยเสียง รวมถึงสนับสนุนการศึกษากลไกโรคทางระบบประสาท

Meta ได้เปิดให้ใช้งานโมเดลภายใต้สัญญาอนุญาตแบบไม่แสวงหากำไร (CC BY-NC) พร้อมเปิดซอร์สโค้ดบน GitHub และเผยแพร่น้ำหนักโมเดล (Model Weights) บน HuggingFace เพื่อส่งเสริมการวิจัยในระดับสากล

ด้านข้อจำกัด ปัจจุบันโมเดลยังรองรับข้อมูลเพียง 3 มิติ (ยังไม่ครอบคลุมประสาทสัมผัสด้านกลิ่น รสชาติ และการสัมผัส) รวมถึงข้อมูล fMRI เป็นการวัดการเปลี่ยนแปลงการไหลเวียนของเลือด ซึ่งมีความหน่วงเวลา (Hemodynamic lag) เมื่อเทียบกับการตรวจวัดคลื่นไฟฟ้าสมองโดยตรง

ผลการทดสอบแสดงให้เห็นว่าความแม่นยำของโมเดลยังคงเพิ่มขึ้นตามปริมาณข้อมูลที่ใช้ฝึกฝนตามหลักการ Scaling Laws ซึ่งเป็นแนวทางสำคัญในการพัฒนาแบบจำลองสมองในอนาคต