Il tuo cervello decide prima di te: Tribe v2 e la scienza della fluency cognitiva
Il tuo cervello decide se restare o scrollare in una frazione di secondo. Meta ha open-sourciato Tribe v2, un modello che lo dimostra con risonanza magnetica su oltre 700 persone. La conclusione è semplice: più il cervello fatica a processare un contenuto, più lo scarta.
Perché ti dovrebbe interessare
Se fai contenuti, design, marketing o qualunque cosa che finisca su uno schermo, Tribe v2 non è un’altra notizia AI. È la dimostrazione empirica che la domanda “piace?” è quella sbagliata. La domanda giusta è: quanto costa al cervello processarlo? E adesso c’è un modello open source che te lo misura secondo per secondo.
Cos’è Tribe v2
Meta FAIR ha rilasciato Tribe v2 il 26 marzo 2026. Non è un tool per valutare se un contenuto è “bello” o “efficace”. È un modello foundation tri-modale (video, audio, testo) che predice cosa succede nel cervello di chi lo guarda.
Gli dai un contenuto e lui ti dice quanto il cervello deve faticare per processarlo. Ogni secondo in più di elaborazione cognitiva è energia spesa. Energia spesa significa che il cervello classifica il contenuto come “troppo costoso” e lo scarta.
Come ci è arrivata Meta? Ha registrato centinaia di persone dentro un fMRI mentre guardavano interviste, podcast, video. Ha mappato l’attività cerebrale secondo per secondo. Poi ha addestrato un modello per prevedere quella stessa attività senza bisogno di scanner. Il risultato è un tool che può dirti, per qualsiasi contenuto, quanto è “facile” per il cervello umano.
La domanda sbagliata
Per anni chi fa marketing, design, content si è posto la domanda sbagliata: “questo contenuto è bello?” oppure “questo contenuto piace?” Sono domande che chiedono un giudizio cosciente. Il problema è che il cervello ha già deciso prima che la parte cosciente abbia il tempo di formulare un giudizio.
La domanda giusta è un’altra: quanto fatica il cervello a processarlo? La fatica cognitiva è il proxy più affidabile per prevedere se un contenuto verrà consumato o ignorato. Non è un’intuizione. È un dato misurabile, riproducibile, e adesso prevedibile da un modello.
Gerarchia visiva: prima capisci, poi decidi
Il primo punto che emerge dal dataset di Meta: il messaggio più importante deve essere immediatamente visibile. Non dopo una scrollata. Non dopo un click. Subito. Il cervello decide se restare prima ancora di aver capito cosa ha davanti. Sta processando la gerarchia visiva, non il contenuto semantico. Se la struttura visiva non comunica “vale la pena” nel giro di qualche centinaio di millisecondi, il contenuto è morto.
Pensaci quando progetti una landing page, una thumbnail, un post: cosa vede l’occhio prima di tutto? Perché è l’unica cosa che conta.
Chiarezza batte tutto
Secondo punto: se uno deve pensarci troppo per capire cosa stai dicendo, l’hai perso. Lo standard è brutale: uno sconosciuto senza contesto deve capire il tuo messaggio in mezzo secondo. Non “apprezzarlo”. Non “esserne colpito”. Capirlo.
La chiarezza non è un optional estetico. È un requisito di sopravvivenza del contenuto nell’economia dell’attenzione. Ogni secondo che il cervello spende per decodificare ambiguità, risolvere riferimenti impliciti, riempire contesti mancanti è un secondo in cui il contenuto sta perdendo la scommessa contro lo scroll.
Il formato è il messaggio
Terzo punto, e forse il meno ovvio: il formato non è neutrale. Le ads animate con AI stanno ovunque, e non solo perché l’hype le rende trendy. Stanno ovunque perché il cervello le processa più facilmente. L’animazione riduce il carico cognitivo, guida l’attenzione, elimina l’ambiguità su cosa guardare e in che ordine.
McLuhan diceva che il medium è il messaggio. Qui il formato è il messaggio nel senso più letterale: il formato determina quanto costa al cervello processare il contenuto, e quel costo determina se il contenuto sopravvive.
Processing fluency: la scienza dietro
Il concetto che Meta sta rendendo ingegnerizzabile ha un nome nella psicologia cognitiva: processing fluency. L’idea è semplice e controintuitiva: i contenuti più facili da processare sono percepiti come più veri, più belli, più affidabili. Non è che la semplicità sia oggettivamente superiore. È che il cervello usa l’energia cognitiva come proxy per la qualità. Se qualcosa è facile da elaborare, il cervello lo classifica come “buono” senza pensarci due volte.
Daniel Kahneman lo ha formalizzato con la distinzione tra System 1 e System 2:
- System 1 opera in frazioni di secondo, senza sforzo, automaticamente
- System 2 serve energia, tempo, intenzione
- Il 95% delle decisioni quotidiane (cosa guardare, cosa comprare) passa da System 1
Progettare per la processing fluency significa progettare per System 1: ridurre il carico cognitivo, eliminare gli attriti, fare in modo che il cervello non debba “accendere” System 2 per capire cosa ha davanti.
La ricerca accademica su questo tema è vasta e coerente:
- Font più leggibili rendono le affermazioni più credibili
- La ripetizione aumenta la percezione di verità
- La familiarità visiva riduce la latenza di giudizio
- Il cervello non è un giudice imparziale: è un risparmiatore di energia
I dettagli tecnici
Da qui in poi si entra nel tecnico. Se ti interessa l’idea più dell’implementazione, puoi saltare direttamente alla sezione Shopify e convergenza.
Architettura
Sotto il cofano, Tribe v2 è più sofisticato di quanto sembri dalla presentazione divulgativa. L’architettura combina tre encoder frozen:
- LLaMA 3.2-3B per il testo
- V-JEPA2-Giant per il video
- Wav2Vec-BERT 2.0 per l’audio
Con un temporal transformer che integra le tre modalità nel tempo e un modulo di predizione subject-specific.
Dati e valutazione
Il modello è stato addestrato su 451.6 ore di dati fMRI da 25 soggetti e valutato su 1,117.7 ore da 720 soggetti. Predice l’attività su:
- 20,484 vertici corticali
- 8,802 voxel sottocorticali
In parole povere: non si limita a dire “il cervello si attiva.” Ti dice dove si attiva, con la risoluzione spaziale di un atlante corticale completo.
Risultati zero-shot
I risultati zero-shot sono forse la parte più impressionante. Tribe v2 predice le risposte cerebrali di soggetti che non ha mai visto meglio di quanto molti singoli soggetti rappresentino la media del gruppo. Con 1 ora sola di fine-tuning di dati per un nuovo soggetto, le performance migliorano di 2-4x rispetto a modelli lineari addestrati da zero su quegli stessi dati. E le scaling law sono log-lineari: più dati dai, più accuratezza ottieni, senza plateau in vista.
Aree funzionali recuperate
Il modello recupera in silico aree funzionali note come:
- FFA (fusiform face area)
- PPA (parahippocampal place area)
- Area di Broca
- TPJ (temporoparietal junction)
L’analisi ICA rivela 5 reti funzionali emergenti: uditiva primaria, linguaggio, motoria, default mode network, visiva. Sono le stesse reti che la neuroscienza decennale ha mappato con studi dedicati. Tribe v2 le ritrova da solo, senza che nessuno gli dica dove cercare.
Pesi e codice sono open source sotto licenza CC BY-NC. Repo: github.com/facebookresearch/tribev2
Shopify e la convergenza
Nello stesso periodo in cui Meta rilascia Tribe v2, Shopify pubblica una guida sul neuromarketing. Due piattaforme giganti, con business model diversi, che puntano nella stessa direzione. Non è coincidenza.
I dati di Shopify sono gelidi:
- I clienti prendono decisioni d’acquisto fino a 7 secondi prima di esserne consci
- Il 95% dei nuovi prodotti fallisce nonostante i focus group diano feedback positivi
- Le persone spendono in media 2.6 secondi a scansionare una pagina prodotto prima di decidere
I focus group ti dicono cosa la gente pensa di volere. Il neuromarketing ti dice cosa il cervello fa realmente. I cervelli non mentono. Le persone nei focus group, un po’ più spesso.
Le tecniche che Shopify elenca (fMRI, EEG, eye tracking, biometria, facial coding) sono esattamente il tipo di misurazioni che Tribe v2 promette di simulare senza hardware. La convergenza è chiara: chi ha i dati (Meta) e chi ha il commercio (Shopify) stanno entrambi dicendo che la scienza dell’attenzione non è un’esercitazione accademica. È un vantaggio competitivo.
Le implicazioni
Chi impara a progettare per il cervello adesso sta acquisendo una competenza che tra un anno sarà il minimo sindacale. Non si tratta di “fare contenuti migliori” in senso artistico. Si tratta di ridurre il costo cognitivo di ogni contenuto che produci. Il marketing del prossimo ciclo non chiederà “piace?” ma “quanto velocemente il cervello lo processa?”
È uno shift di paradigma, non un aggiustamento. Chi continua a ottimizzare per metriche coscienti (click, like dichiarati, survey) sta misurando il risultato dopo che il cervello ha già deciso. Tribe v2 (e i modelli che verranno dopo) permette di misurare il punto della decisione stessa.
Nota critica
C’è un rovescio della medaglia. Ottimizzare per la processing fluency significa rendere i contenuti sempre più digeribili, sempre più facili da consumare. È la logica del fast food applicata all’informazione: più facile da processare non significa più nutriente. Contenuti complessi, ambigui, che richiedono sforzo cognitivo (e che quindi valgono lo sforzo) sono penalizzati da questo framework.
C’è anche un rischio etico concreto: pre-ottimizzare ogni contenuto per l’engagement neurale significa progettare per il minimo denominatore cognitivo. È la ricetta per un’informazione sempre più omogenea, sempre più immediata, sempre meno capace di sfidare chi la consuma. Il cervello risparmia energia, certo. Ma non è detto che risparmiare energia sia sempre l’obiettivo giusto.
Tribe v2 è uno strumento potente. Come tutti gli strumenti potenti, il problema non è lo strumento. È cosa si decide di ottimizzare.
Il punto
Punti chiave:
- Tribe v2 predice l’attività cerebrale da contenuti video/audio/testo senza bisogno di scanner
- La processing fluency è il proxy più affidabile per prevedere se un contenuto verrà consumato o ignorato
- Meta e Shopify convergono: la scienza dell’attenzione sta diventando un vantaggio competitivo ingegnerizzabile
- Ottimizzare per la fluency ha un costo: penalizza i contenuti che valgono lo sforzo cognitivo
Il cervello decide prima di te. Adesso c’è un modello open source che lo misura. Quello che farai con questa informazione è tutto da vedere.