يقدم الباحثون RABBiT، وهو مشفر صوتي إلى fMRI مضغوط مصمم للتنبؤ الدقيق باستجابة الدماغ للكلام الطبيعي باستخدام التعلم بصفر عينات وبعينات قليلة. وقد تم تقييمه على 324 مشاركًا عبر مجموعات بيانات غير مرئية متعددة، حيث تفوق النموذج على نماذج الأساس الحالية الأكثر تقدمًا وعلى التوقعات المتوسطة للمجموعة.
- يتيح RABBiT التنبؤ الدقيق باستجابات fMRI بصفر عينات في المناطق السمعية والمختارة للغة.
- باستخدام 10 دقائق فقط من بيانات خاصة بالمشارك، يتفوق الضبط الفعال من حيث المعلمات بشكل كبير على النماذج الخطية الخاصة بكل مشارك.
- يعتمد الأداء على الانتباه الخاص بالمنطقة المتعلم وتحليل استجابات الدماغ إلى مكونات مشتركة ومكونات خاصة بالموضوع.
- تدعم التمثيلات المهيكلة للنموذج القابلية للتفسير مع القضاء على الحاجة إلى ملاءمة بيانات مكثفة لكل مشارك.
من خلال تمكين التحليلات على مستوى السكان للغة في الدماغ البشري، يعالج RABBiT تحدي بناء نماذج حسابية تعمم عبر محفزات تجريبية متنوعة وأفراد مختلفين.