शोधकर्ताओं ने RABBiT पेश किया, जो एक कॉम्पैक्ट ऑडियो-टू-fMRI एनकोडर है जिसे प्राकृतिक भाषण के प्रतिक्रिया में दिमाग की गतिविधि की सटीक शून्य- और फ्यू-शॉट भविष्यवाणी के लिए डिज़ाइन किया गया है। कई अज्ञात डेटासेट पर 324 प्रतिभागीओं पर मूल्यांकन किए जाने पर, यह मॉडल वर्तमान स्टेट-ऑफ़-द-आर्ट फाउंडेशन मॉडल्स और ग्रुप-औसत भविष्यवाणियों को पार कर जाता है।
- RABBiT श्रवण और भाषण-चयनात्मक क्षेत्रों में fMRI प्रतिक्रियाओं की सटीक शून्य-शॉट भविष्यवाणी सक्षम बनाता है।
- केवल 10 मिनट के प्रतिभागी-विशिष्ट डेटा के साथ, पैरामीटर-कुशल ट्यूनिंग प्रति-प्रतिभागी रैखिक मॉडल्स की तुलना में काफी बेहतर प्रदर्शन करती है।
- प्रदर्शन सीखे गए क्षेत्र-विशिष्ट ध्यान और दिमाग की प्रतिक्रियाओं को साझा और विषय-विशिष्ट घटकों में विघटित करने पर निर्भर करता है।
- मॉडल की संरचित प्रतिनिधित्व व्याख्यात्मकता का समर्थन करते हुए, प्रति-प्रतिभागी डेटा फिटिंग की आवश्यकता को समाप्त कर देते हैं।
मानव दिमाग में भाषण के स्केलेबल जनसंख्या-स्तर विश्लेषण को सक्षम बनाकर, RABBiT विविध प्रयोगात्मक उद्दीपनों और व्यक्तियों पर सामान्यीकरण करने वाले कंप्यूटेशनल मॉडल बनाने की चुनौती को संबोधित करता है।