オーディオ分類器の隠れたニューロンの一部が、人間が理解できる音響概念（例：高音質、リズミカル）と関連することが示されました。

研究では、32ニューロンを持つ多層パーセプトロン（MLP）の最終隠れ層を対象に、57種類の音響特徴量を抽出しました。各特徴量は25％点と75％点で閾値化され、低い値と高い値をそれぞれ低レベルタグと高レベルタグにマッピングしました。これにより、各音声クリップはOntology個体となり、タグはOntologyクラスとなります。次に、各ニューロンに対して、正例（活性化≥0.60×最大）と負例（活性化≤0.20×最大）のセットを構築し、DL‑Learnerで概念表現を誘導しました。

誘導された概念は統計的に有意であることがマニング‑ウィートニーU検定で確認され、複数のニューロンに対して言語的に解釈可能な概念が得られました。

モデルは音楽ジャンル分類で0.94、楽器分類で0.81という高い精度を達成しました。さらに、解析対象の32ニューロンのうち、ジャンルニューロンの9つから7つ（21.9％）、楽器ニューロンの10つから9つ（28.1％）が有意味な概念で検証されました。

ただし、タグは仮定的な閾値に依存するため、音響現象の完全な表現はできていません。また、構築されたOntologyは階層構造を持たず、関係性が限定的です。さらに、解析はMLPの最終隠れ層のみで、他のアーキテクチャや深い層、検証データセットでの検証は行われていません。