Adaptive Prediction: The Brain Trades Phonemic for Semantic Expectations Under Acoustic Uncertainty
Notice bibliographique
Résumé
Abstract Listeners daily adapt to new talkers, yet how acoustic variability challenges the brain’s predictive mechanisms during speech processing remains unclear. Here, we used EEG and Temporal Response Function to examine neural responses to continuous speech narrated by a single talker (Single), enabling stable acoustic model formation, or multiple talkers (Multi), introducing acoustic uncertainty. We assessed whether talker variability influences phoneme recognition and predictive processing, indexed by neural responses to phonemes, phonemic and semantic surprisal. In the Multi condition, responses to phonemes increased but responses to phonemic surprisal decreased, indicating greater speech perception demands and weaker phonemic predictions. Conversely, semantic surprisal responses were stronger, suggesting increased reliance on lexical-semantic predictions. These findings reveal a trade-off in the brain’s predictive mechanisms, where acoustic uncertainty reduces lower-level phonemic anticipation but promotes higher-level semantic prediction. Adaptive processing underscored the brain’s ability to dynamically adjust predictions across linguistic levels, promoting speech comprehension in variable environments. Significance Humans attend to many different talkers daily, switching between them apparently without any effort. This stems from the brain’s ability to construct adaptive, probabilistic models of speech. In this study, we provide novel evidence that predictions in language comprehension are sensitive to acoustic uncertainty. Specifically, under conditions of increased acoustic uncertainty, listeners rely more on bottom-up information in phoneme recognition and reduce the anticipation of phonemic information. This is accompanied by enhanced semantic prediction, suggesting that listeners compensate for acoustic uncertainty by increasing reliance on higher-level contextual representations. This flexible approach allows for robust comprehension, highlighting the brain’s capacity to dynamically adjust its predictive processing to accommodate varying acoustic environments. Teaser Talker-driven acoustic uncertainty reduces phoneme predictions but boosts semantic inference.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».