バズる確率を予測する方法

Metaが、人間の脳が動画にどう反応するかをシミュレーションするモデルをオープンソース化した。 クリエイターの動画下書きをそれに通し、表示された内容に基づいて再編集したところ、221,100回再生を取れた。

Metaの研究チームが数日前に公開したオープンソースモデルを見つけた。これは、動画・音声・テキストに対して人間の脳がどう反応するかをシミュレーションする。720人の実在する人の脳スキャンで学習している。

@affiliatenw のAI UGCクリエイターの動画下書き（クリエイター：@sammgrowth）を1本取り、モデルに通した。シミュレーターが示した内容に基づいて再編集し、投稿した。 その動画は221,100回再生になった。

ここから、これが何なのか、コードを1行も書かずに自分でセットアップする方法、そしてクリエイターとして実際にお金を稼ぐ方法を、手順ごとに説明する。

TRIBE v2とは何か モデル名はTRIBE v2。700人超の実在の人が、動画を見たり、音声を聴いたり、テキストを読んだりしているときの脳スキャンで学習している。何かを見たときに脳の約7万点がどう光るかを予測する。

動画を与えると、その動画の各秒に対して、人間の脳がどう反応するかを教えてくれる。

MetaのFAIRチームは、720人の協力者から得た1,000時間超の機能的MRI記録でTRIBE v2を訓練した。協力者は映画を見たり、ポッドキャストを聴いたり、テキストを読んだりし、その間の脳活動が高解像度で記録された。

TRIBE v2はそのパターンを学び、まだ見たことのないメディアに対する脳反応も予測できる。もう人をMRI装置に入れる必要はない。

さらに驚くのは、Meta自身の研究で、TRIBE v2の予測が単一の実測脳スキャンより正確だと示されている点だ。実測には心拍、体動、機器の影響などのノイズが入る。モデルはそれを取り除き、きれいな信号として出してくれる。

しかも、必要なものはすべてオープンソースで、完全に無料だ。

セットアップ方法（コーディング不要） Metaはこれを驚くほど簡単にしている。無料のGoogle Colabノートブックが用意されていて、そこでモデル全体を動かせる。手順はこうだ。

手順1：Colabノートブック（MetaのTRIBE v2リポジトリにリンクあり）を開く。Runtime > Change runtime type > T4 GPUを選び、保存する。

手順2：pip installのセルを実行し、その後で環境を再起動する。

手順3：Hugging Faceのアカウントが必要。huggingface.coで作成し、プロフィールのドロップダウンからAccess Tokensへ進む。新しいトークンを作り、名前は任意、権限は読み取りでよい。コピーしておく。

手順4：入力のテキスト部分に使うLlamaモデルへのアクセス申請も必要。申請フォームを出し、承認まで約1時間かかった。

手順5：ノートブックに戻り、サイドバーの鍵アイコンからHF_TOKENを追加し、トークンを貼り付ける。

手順6：セルを実行する。サンプル動画も入っているので、すぐに脳反応の予測結果を見られる。

これで任意の動画を入れられるようになり、どこで脳の反応が跳ね、どこでフラットになるかが分かる。流れを理解するための簡単な動画もある：https://www.youtube.com/watch?v=VER-F4wdA9Q

221,000回再生をどう取ったか @sammgrowth と小さな実験をした。彼のすでに編集済みの動画をTRIBE v2に通し、どこで脳の反応が落ち、どこで上がるかを確認した。

その神経データに基づいて再編集した。反応が最も高い瞬間を前に移し、脳活動が止まる「死んだ区間」を削り、テンポを組み直して、反応が全体で高く保たれるようにした。

最適化版は、元の動画より予測上の反応が明確に強かった。研究目的の軽い作業で、時間もほとんど使っていないが、それでも差ははっきり出た。

それを投稿したら221,100回再生になった。以前の動画はもっと再生が少なかった。最小限の最適化でこれなら、投稿前に毎回これを通したらどうなるか想像してほしい。

Gen Zがこれで実際に稼ぐ方法 再生数は良いとして、どう収益化するのか？ 自分たちは、バイラルが得意で報酬も得たいクリエイター向けに大きなプラットフォームを作っている。

多くのブランドがキャンペーンを走らせていて、クリエイターが参加して動画を投稿し、1,000回再生あたりの報酬を得る。手順はこうだ。

affiliatenetwork.com に行き、好きなキャンペーンに参加する。今は1,000回再生あたり1〜3ドルを支払うキャンペーンもある。

ブランドが求める形式を確認し、複数のバリエーションを作る。投稿前にそれぞれをTRIBE v2に通し、予測反応が最も強い版を選んで投稿する。

仮に1,000回再生あたり3.5ドルなら、221,000回再生で773ドルになる。これを、10アカウントが毎日、脳反応で最適化したコンテンツを投稿する形に広げる。すでに自分たちのプラットフォームで10万ドル以上稼ぐクリエイターもいる。

Claudeで全体を自動化する Claudeを使って予測パイプライン全体を自動化できる。動画ファイルを渡し、各動画をTRIBE v2に通して、予測反応で順位付けし、どの版を投稿すべきか教えさせる。

脳マップを手で確認する必要はない。10個の動画バリエーションを入れたら、Claudeがどれが最も強い神経反応になるかを返し、それを投稿する。

これでコンテンツ最適化が「アート」から「工学」になる。同じ労力で、結果は大きく良くなる。

参考リンク 論文：https://ai.meta.com/research/publications/a-foundation-model-of-vision-audition-and-language-for-in-silico-neuroscience デモ：https://aidemos.atmeta.com/tribev2 モデル：https://huggingface.co/facebook/tribev2 最大級のAI UGCと切り抜きプラットフォーム：AffiliateNetwork.com