AI اور دنیا کے مشکل مسائل · حیاتیاتی علوم · arXiv · 2026-10-22

تقریر کی قابل تعبیر ایمبیڈنگز آڈیو ماڈلز کی دماغی انکوڈنگ کارکردگی کو بڑھاتی اور واضح کرتی ہیں

اصل عنوان: Interpretable Embeddings of Speech Enhance and Explain Brain Encoding Performance of Audio Models

تقریر کے فاؤنڈیشن ماڈلز کو انسانی تقریری ادراک کے کمپیوٹیشنل ماڈلز کے طور پر بڑھ چڑھ کر سراہا جا رہا ہے، لیکن ان کی بلیک باکس نمائندگیوں کے باعث یہ غیر واضح رہتا ہے کہ دماغی ردِعمل کے ساتھ ان کی ہم آہنگی کو کیا آگے بڑھاتا ہے۔ مصنفین نے چھ قابلِ تشریح فیچر خاندانوں اور Whisper، HuBERT اور WavLM کی ایمبیڈنگز سے لکیری انکوڈنگ ماڈلز تعمیر کیے اور الیکٹروکورٹیکوگرافی (ECoG) ردِعمل کے ساتھ مشترکہ ویرئنس کو حصوں میں تقسیم کیا۔ ماڈلز کی دماغی ہم آہنگی زیادہ تر سادہ قابلِ تشریح تقریری فیچرز کے ان کے انکوڈنگ سے وضاحت پذیر ہوتی ہے، جس میں نچلے اور اعلیٰ درجے کے فیچرز کے درمیان ایک منظم پرت وار (layer-wise) ٹریڈ آف پایا جاتا ہے، جبکہ وہ دماغ سے متعلق معنیات جو نچلے درجے کے فیچرز سے وضاحت نہیں ہو پاتیں، ماڈل کے سائز اور سیاق کی لمبائی کے ساتھ بڑھتی ہیں۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →