26. März 2026

Meta hat am 26. Maerz 2026 TRIBE v2 veroeffentlicht -- ein Foundation Model fuer die Vorhersage menschlicher Gehirnaktivitaet. Das Modell nimmt Video, Audio oder Text als Eingabe und sagt voraus, wie das menschliche Gehirn darauf reagieren wuerde, gemessen als fMRI-Aktivierungsmuster.

Technische Details

TRIBE v2 ist trimodal aufgebaut und verarbeitet visuelle (Bilder, Video), auditive (Podcasts, Sprache) und sprachliche (Text) Stimuli. Das Training nutzte fMRI-Daten von ueber 700 gesunden Probanden -- ein massiver Sprung gegenueber dem Vorgaengermodell, das auf nur vier Personen trainiert wurde und 2025 den Algonauts-Wettbewerb gewann.

Die raeumliche Aufloesung der Vorhersagen liegt 70-fach ueber vergleichbaren Modellen. Das System unterstuetzt Zero-Shot-Vorhersagen: Es kann die Gehirnreaktion neuer Probanden auf unbekannte Stimuli in neuen Sprachen und Aufgabenkontexten vorhersagen, ohne zusaetzliches Training.

Ein bemerkenswerter Befund: Die Zero-Shot-Vorhersagen des Modells schaetzen die durchschnittliche Gehirnreaktion einer Gruppe oft genauer als die tatsaechliche Aufnahme eines einzelnen Probanden.

Skalierungsverhalten

Meta berichtet, dass TRIBE v2 einem log-linearen Skalierungsgesetz folgt. Die Vorhersagegenauigkeit steigt stetig mit der Menge der fMRI-Trainingsdaten, ohne dass bisher ein Leistungsplateau erkennbar ist. Das deutet darauf hin, dass noch deutlich leistungsfaehigere Versionen moeglich sind, sobald mehr Daten verfuegbar werden.

Anwendungen: In-Silico Neurowissenschaft

Der praktische Nutzen liegt in der Moeglichkeit, neurowissenschaftliche Experimente virtuell durchzufuehren -- ohne menschliche Probanden im fMRI-Scanner. Meta demonstriert das anhand zweier klassischer Befunde:

Beide Ergebnisse replizieren Jahrzehnte empirischer Forschung durch reine Berechnung.

Verfuegbarkeit

TRIBE v2 ist Open Source unter der CC BY-NC Lizenz veroeffentlicht. Modellgewichte, Code und ein interaktives Demo stehen auf Metas AI-Plattform bereit.

Einordnung

TRIBE v2 ist keine typische KI-Produktveroeffentlichung, sondern ein Forschungsinstrument. Die Relevanz liegt darin, dass es zwei Forschungsrichtungen verbindet: Die Erkenntnisse ueber Hirnarchitektur koennen zurueck in die KI-Modellentwicklung fliessen -- und umgekehrt kann KI die Neurowissenschaft beschleunigen, indem sie teure und zeitaufwendige fMRI-Studien teilweise durch Simulationen ersetzt.

Quellen

Nach oben