The Thousand Brains Theory 2.0: An Extension for the Long-Range Connections of the Neocortical Heterarchy
本論文は、視床および長距離の皮質間結合が自己中心的な感覚データをアロセントリック（客観的）なモデルへと変換し、構成的な物体の学習を可能にすることで、これまで説明されていなかった知能の解剖学的および計算論的なメカニズムに対処していると提案することにより、サウザンド・ブレイン理論を拡張するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
人間の脳は数十億ものニューロンが広がる広大な風景ですが、一世紀以上にわたり、科学者たちはこの複雑さを機能させる根本的な単位を探し続けてきました。1950年代、神経科学者のバーノン・マウントキャッスルは、脳は繰り返される「カラム（柱）」によって構築されているという説を提唱しました。それは、まるで同じ種類の木々が並ぶ森のように、各カラムが基本的な処理ユニットとして機能するというものです。数十年もの間、主流となっていた考えは、これらのカラムが企業のピラミッド構造のような厳格な階層に従って機能しているというものでした。つまり、情報は単純な詳細から複雑な概念へと上昇していき、最も洗練された理解は最上部にのみ現れるという仕組みです。しかし、増え続ける証拠は、脳が単純な梯子よりもはるかに相互接続され、柔軟であることを示唆しています。カラム同士は、非線形で複雑な方法で互いに通信し合っているのです。これらのカラムがどのように通信するかを理解することは極めて重要です。なぜなら、それが、コーヒーのカップが直立していても逆さまであっても認識できる理由や、車輪が自転車の一部であることを学ぶ仕組み、そして最終的には、私たちの脳がいかにして混沌とした感覚データの流れから安定した世界のモデルを構築しているのかという鍵を握っているからです。
「千の脳理論 2.0（The Thousand Brains Theory 2.0）」と題された新しい論文の中で、研究者のジェフ・ホーキンス、ニールス・リードホルム、およびヴィヴィアン・クレイは、脳の仕組みに関する彼らの以前の理論に対する重大なアップデートを提案しています。彼らは、脳は単に情報を受動的に受け取っているのではなく、すべてのカラムが、動きや感覚を通じて学習する「感覚運動システム」であると主張しています。著者らは、世界を理解するためには、脳は二つの異なる視点の間で絶えず情報を翻訳しなければならないと示唆しています。一つは、目や手などの動きに伴って変化する「センサー自体からの視点」であり、もう一つは、物体そのものの「安定した固定された視点」です。この論文は、この翻訳がどのように行われるかについての具体的なメカニズムを導入し、脳がいかにして物体を、単なるバラバラの部品の集まりとしてではなく、「車は車輪とドアでできている」といった具合に、他の物体の集合体として認識することを学ぶのかを説明しています。
研究者たちはまず、神経科学における長年のパズルに対処することから始めます。脳にはカラム間に多くの異なるタイプの長距離接続が存在しますが、既存の理論ではそれらがすべて何をしているのかを説明することに苦慮してきました。いくつかの接続は階層を上下に移動し、他の接続は横方向に走ったり、視床と呼ばれる中心構造を経由してループしたりします。著者らは、これらの接続は単なるランダムな配線ではなく、二つの明確で不可欠な役割を果たしていると提案しています。第一の役割は「翻訳者」として機能することです。物体を見るとき、目は動き、頭は傾き、網膜上の画像は絶えず変化します。しかし、あなたは物体を安定したものとして知覚します。論文は、脳の奥深くにある中継局である視床が、この感覚データの迅速な回転を行うことを示唆しています。視床は、センサーからの変化し続ける動きのある視点を取り込み、即座に、物体に対する固定された安定した視点へと変換します。これはすべてのカラムにおいて行われるため、脳は、頭の傾け方や目の向きに関わらず、顔や道具を認識することができるのです。
この論文の第二の大きな貢献は、脳がいかにして複雑な複合物体を学習するかについての新しい説明です。古い見解では、情報は階層を登るにつれて、単純な線から複雑な形へと構築されていくと考えられていました。しかし、著者らは代わりに、最も下流の処理プロセスにあるカラムであっても、すべてのカラムが即座に物体全体を認識することを学習すると主張しています。カラム間の階層的な接続は、これらの「物体全体」がどのように組み合わさっているかを学習するために使用されます。例えば、あるカラムは「車輪」がどのように見えるかを学習し、その上のカラムは「自転車」がどのように見えるかを学習します。両者の間の接続は、車輪が自転車の一部であること、そして具体的にその車輪が自転車のどこに位置しているのかを脳に教えます。この学習は、目や指を物体の上で動かしながら一点一点行われ、部分の場所と全体の場所を結びつけます。これにより、脳は、カップに描かれたロゴが引き伸ばされたり曲がったりしていても、特定の接触点におけるロゴとカップの関係を学習しているため、依然として同じロゴであると認識できるのです。
また、この論文は、これまで単に感覚から皮質へ信号を伝える受動的な交換機と見なされてきた視床の役割を明確にしています。著者らは、視床がこれらの重要な方向変換を行う能動的なプロセッサーであると示唆しています。彼らは、視床細胞が、頭や体の現在の向きに応じて、どの入力信号を通過させるかを選択できる「スイッチ」として機能するという具体的なメカニズムを提案しています。これにより、脳は身体が動いている間も、一貫した世界の理解を維持することができます。さらに、論文は、脳が「ヘテラルキー（非階層的構造）」、つまり、情報がすべてのレベルを経由しなければならない厳格なピラミッド構造ではなく、領域が並列に動作し直接通信できる複雑なネットワークとして機能していると論じています。これは、低レベルの領域が物体全体を認識し、ステップバイステップの緩やかな上昇を待つことなく、高レベルの領域や運動領域に直接情報を送ることができることを意味します。
これらのアイデアは単なる理論的な考察ではありません。著者らは、物体の向きに関わらず反応する視覚野のニューロンや、異なる感覚領域間の接続による迅速な合意形成など、彼らの見解を支持する既存の実験データに言及しています。彼らはまた、部分と全体を表すカラム間の特定の接続パターンを探したり、感覚入力の向きを人工的に変更したときに脳がどのように適応するかをテストしたりするなど、将来の実験に対する具体的な予測も提示しています。脳を、動きや周囲の世界の変化に関わらず、安定した現実の像を維持するために協力し合う、数千の小さな専門化されたユニットの集合体として捉えることで、この研究は知性に対する新鮮な視点を提供しています。それは、世界を理解する能力は、単一の中心的なプロセッサーから来るのではなく、動きや環境の変化に関わらず、安定した現実の姿を保つために共に働く、数千の小さく専門化されたユニットから生まれるものであることを示唆しているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。