แม่นกว่าสแกนจริง! Meta เปิดตัว TRIBE v2 เมื่อ AI จำลองสมองมนุษย์ได้ละเอียดขึ้น 70 เท่า

Meta เพิ่งสร้างสิ่งที่นักวิทยาศาสตร์ใฝ่ฝันมาตลอด นั่นคือ "ฝาแฝดดิจิทัล" ของการทำงานของสมองมนุษย์ที่แม่นยำจนน่าขนลุก ข้อมูลล่าสุดบอกว่า AI ตัวนี้สามารถทำนายได้ว่าสมองของคุณจะ "สว่าง" ขึ้นตรงไหนบ้างเวลาดูหนังหรือฟังเพลง โดยที่ความแม่นยำของมันสูงกว่าการเอาคนจริงๆ เข้าไปนอนในเครื่องสแกนสมองด้วยซ้ำ

คุณอ่านไม่ผิดครับ ในการทดสอบกับชุดข้อมูล Human Connectome Project พบว่าการทำนายของ AI ตัวนี้มีความสอดคล้องกับการทำงานของสมองกลุ่มตัวอย่าง สูงเป็น 2 เท่าเมื่อเทียบกับผลสแกนจริงของคนคนเดียว นั่นหมายความว่า AI สามารถตัด "เสียงรบกวน" (noise) ของร่างกายมนุษย์ออกไป และมองเห็นรูปแบบพื้นฐานของการประมวลผลในสมองเราได้อย่างชัดเจนกว่าที่เครื่องมือแพทย์ทั่วไปจะทำได้

นี่คือก้าวสำคัญที่ Meta บอกว่าจะเปลี่ยนวงการประสาทวิทยาไปตลอดกาล เหมือนกับที่ AlphaFold เคยทำไว้กับวงการโปรตีน ผมขุดข้อมูลมาให้แล้วว่ามันทำงานยังไง และทำไมเราถึงต้องเริ่มกังวลเรื่องความเป็นส่วนตัวของ "ความคิด" กันได้แล้ว

จากภาพมัวๆ สู่ความละเอียดระดับ 4K ในสมอง

โมเดลนี้มีชื่อว่า TRIBE v2 ย่อมาจาก TRImodal Brain Encoder รุ่นที่ 2 ซึ่งพัฒนาโดยทีม FAIR หรือทีมวิจัย AI ฝ่ายบุ๋นของ Meta สิ่งที่น่าตกใจที่สุดคือการกระโดดของความละเอียดในการมองเห็นสมองครับ

ถ้าเปรียบการสแกนสมองเป็นเหมือนการสร้างแผนที่ ในรุ่นแรก (TRIBE v1) AI ตัวนี้มองเห็นความละเอียดของสมองแค่ 1,000 จุด หรือที่ในทางเทคนิคเรียกว่า Voxel (มันคือ Pixel แบบ 3 มิติในสมอง) แต่พอมาเป็นรุ่น v2 นี้ Meta พัฒนาให้มันมองเห็นได้ถึง 70,000 จุด เพิ่มขึ้นถึง 70 เท่าในเวลาเพียงไม่นาน

"มันเหมือนการเปลี่ยนจากทีวีจอแก้วยุคเก่า มาเป็นหน้าจอความละเอียดสูงระดับ 4K ที่เราเห็นทุกรูขุมขนของการทำงานในสมอง"

ตัวเลข 70,000 Voxel นี้ไม่ได้ใส่มาเท่ๆ แต่มันครอบคลุมแทบทุกส่วนสำคัญในสมองมนุษย์ ทำให้ AI ไม่ได้มองแค่จุดใดจุดหนึ่ง แต่มองเห็น "โครงข่าย" ทั้งหมดที่ทำงานประสานกันเวลาคุณได้รับข้อมูลจากโลกภายนอก

สูตรลับ 3 ช่องสัญญาณ: เมื่อ AI มีหู มีตา และมีความคิด

ทำไมต้องเรียกว่า Trimodal? คำตอบคือมันรับข้อมูลขาเข้าได้ 3 รูปแบบ (Modalities) พร้อมกันครับ Meta ไม่ได้เขียนโค้ดใหม่ทั้งหมด แต่เขาฉลาดพอที่จะเอา "ขุนพล" เก่งๆ 3 ตัวที่เขามีอยู่แล้วมารวมร่างกัน

หนึ่งคือ Video-JEPA-2 สำหรับทำความเข้าใจภาพเคลื่อนไหว สองคือ Wav2Vec-Bert-2.0 สำหรับฟังเสียง และสามคือ Llama 3.2 สำหรับถอดรหัสภาษา ลองนึกภาพว่าสมองคุณมีทีวีเปิดอยู่ 3 ช่องพร้อมกัน ช่องหนึ่งภาพ ช่องหนึ่งเสียง ช่องหนึ่งซับไตเติ้ล TRIBE v2 คือคนที่นั่งดูทั้ง 3 ช่องนี้แล้วบอกได้ว่าสมองคุณจะรู้สึกยังไง

ผมว่าจุดที่เจ๋งที่สุดคือตอนที่ข้อมูลทั้ง 3 อย่างนี้วิ่งมาเจอกันในบริเวณสมองที่เรียกว่า Multisensory Junction หรือจุดเชื่อมต่อประสาทสัมผัส การที่ AI ใช้ข้อมูลครบทั้ง 3 ช่อง ทำให้มันทำนายแม่นขึ้นกว่าการใช้ข้อมูลแค่ทางเดียวถึง 50% เลยทีเดียว

ทำนายสมองคนแปลกหน้าได้ทันที โดยไม่ต้องสแกน

เรื่องนี้ผมอ่านแล้วขนลุกของจริง คือสิ่งที่เรียกว่า Zero-shot capability ปกติแล้วถ้าเราจะทำนายสมองใคร เราต้องเอาคนนั้นไปนอนในอุโมงค์ fMRI (เครื่องสร้างภาพด้วยสนามแม่เหล็กไฟฟ้า) นานหลายชั่วโมงเพื่อให้ AI เรียนรู้ลักษณะเฉพาะของคนคนนั้น

แต่ TRIBE v2 ก้าวข้ามจุดนั้นไปแล้วครับ มันถูกฝึกด้วยข้อมูลจากอาสาสมัครกว่า 720 คน และชั่วโมงการสแกนกว่า 1,115 ชั่วโมง จนมันเข้าใจ "กฎเกณฑ์สากล" ของสมองมนุษย์ ตอนนี้มันสามารถทำนายการตอบสนองของสมองคนที่ไม่เคยเจอกันมาก่อนได้ทันที โดยไม่ต้องไปนอนสแกนซ้ำ

"โดยไม่ต้องฝึกใหม่แม้แต่นิดเดียว TRIBE v2 สามารถทำนายการตอบสนองของสมองคนแปลกหน้าได้แม่นยำกว่าวิธีเดิมๆ ถึง 2-3 เท่า"

นี่คือเหตุผลที่ Meta กล้าเรียกสิ่งนี้ว่า In-silico neuroscience หรือการทำประสาทวิทยาในคอมพิวเตอร์ ต่อไปนี้นักวิจัยอาจจะสามารถรันการทดลองกับ "สมองจำลอง" นับพันครั้งได้ภายในไม่กี่วินาที แทนที่จะต้องใช้เงินมหาศาลจ้างอาสาสมัครมานอนสแกนสมองจริงๆ

มันรู้กระทั่งว่าคุณเจ็บปวด "ทางกาย" หรือ "ทางใจ"

ความลึกของ TRIBE v2 คือมันไม่ได้แค่บอกว่าสมองซีกซ้ายหรือขวาทำงาน แต่มันแยกแยะอารมณ์ที่ซับซ้อนได้ด้วย ในรายงานระบุว่าโมเดลนี้สามารถระบุพื้นที่เฉพาะที่จัดการกับ ใบหน้า สถานที่ ร่างกาย หรือแม้แต่ตัวอักษรได้อย่างถูกต้อง

ที่น่าทึ่งไปกว่านั้นคือมันสามารถแยกแยะระหว่าง การประมวลผลความเจ็บปวดทางกาย (Physical Pain) กับความเจ็บปวดทางอารมณ์ (Emotional Pain) ได้อย่างแม่นยำ รวมถึงเห็นการทำงานของสมองซีกซ้ายที่เด่นชัดเวลาเราอ่านประโยคที่มีความหมาย เทียบกับการอ่านแค่รายการคำที่เอามาวางต่อกันเฉยๆ

นอกจากนี้ AI ยังค้นพบเครือข่ายหลัก 5 รูปแบบในสมองเราเองโดยที่ไม่มีใครบอก ทั้งเรื่องการได้ยิน ภาษา การเคลื่อนไหว ความจำ และการมองเห็น ซึ่งข้อมูลเหล่านี้ตรงเป๊ะกับสิ่งที่นักประสาทวิทยาค้นพบมาตลอดหลายสิบปี

ดาบสองคม: เมื่อ Meta รู้ว่าปุ่มไหนในหัวคุณสว่าง

ถ้าถามผม เรื่องนี้มีทั้งด้านที่น่าตื่นเต้นและด้านที่น่ากลัวครับ ในแง่ดี มันจะช่วยให้เราสร้างเครื่องมือสื่อสารสำหรับผู้ป่วยที่ไม่สามารถพูดได้ หรือช่วยหาวิธีรักษาโรคทางระบบประสาทได้เร็วขึ้นมาก

แต่ในอีกมุมหนึ่ง Meta คือบริษัทที่ครองโซเชียลมีเดียอันดับต้นๆ ของโลก การที่เขามีโมเดลที่รู้ว่าภาพแบบไหน เสียงแบบไหน หรือประโยคแบบไหน จะไปกระตุ้นสมองส่วนไหนของคุณได้แม่นยำที่สุด มันคือเครื่องมือชั้นยอดในการออกแบบคอนเทนต์ให้อยู่หมัด หรือที่แย่กว่านั้นคือการกระตุ้นอารมณ์บางอย่างผ่านหน้าจอ

อย่างไรก็ตาม ตอนนี้ Meta ปล่อยโมเดลนี้ออกมาภายใต้ลิขสิทธิ์ CC BY-NC ซึ่งเป็นแบบไม่แสวงหากำไร และเปิดโค้ดให้คนทั่วไปเข้าไปดูได้บน GitHub รวมถึงปล่อยน้ำหนักของโมเดล (Weights) บน HuggingFace เพื่อให้นักวิจัยทั่วโลกช่วยกันพัฒนาต่อ

"เรากำลังก้าวเข้าสู่ยุคที่ความเป็นส่วนตัวไม่ได้หยุดอยู่แค่ที่หน้าจอ แต่อาจหมายถึงสิ่งที่เกิดขึ้นภายในกะโหลกศีรษะของเราด้วย"

แน่นอนว่ามันยังมีข้อจำกัดครับ อย่างเช่นมันยังรับรู้ได้แค่ 3 สัมผัส (ยังไม่เข้าใจเรื่องกลิ่น รสชาติ หรือการสัมผัส) และ fMRI เองก็เป็นการวัดทางอ้อมผ่านการไหลเวียนของเลือด ซึ่งมีความล่าช้าเป็นวินาที ไม่ใช่การวัดกระแสไฟฟ้าในเส้นประสาทโดยตรงแบบเรียลไทม์

แต่จากสถิติที่ผ่านมา ความแม่นยำของ TRIBE v2 ยังคงเพิ่มขึ้นเรื่อยๆ ตามปริมาณข้อมูลที่ใส่เข้าไปโดยที่ยังไม่เห็นจุดอิ่มตัว นี่คือ Scaling Laws ของจริงที่เคยทำให้ ChatGPT เก่งขึ้นมาแล้ว และตอนนี้มันกำลังเกิดขึ้นกับการจำลองสมองมนุษย์

ถ้าถามผมว่าเราควรทำยังไง? ผมว่าอย่าเพิ่งตื่นตระหนก แต่นี่คือเวลาที่เราควรจับตามองอย่างใกล้ชิดครับ เพราะเส้นกั้นระหว่างความฉลาดของมนุษย์กับอัลกอริทึม กำลังจะจางลงเรื่อยๆ จนเราอาจแยกไม่ออกในเร็วๆ นี้

แหล่งอ้างอิง

• Introducing TRIBE v2: A Predictive Foundation Model Trained... (Official Meta AI Blog)
• Meta's new AI model predicts how your brain reacts to images, sounds, and speech - The Decoder
• Meta's TRIBE AI: A New Foundation Model Decoding Human Brain Activity - Neuroscience News
• Meta FAIR: AI twin for human neurons - Heise Online
• Meta unveils TRIBE v2 brain modelling AI - Digital Watch Observatory
• Meta unveils TRIBE v2 AI model to predict brain responses - NewsBytes