リスが木を登っていく様子を眺めていると想像してみてください。その足が樹皮を掴み、尻尾がバランスを取り、筋肉が躍動しているのが見えます。しかし、あなたには見えないものがあります。それは、その脳内で起きている、目に見えない、電光石火の会話です。神経系は、単に「上がれ」や「下がれ」といった単純な信号を送るだけのリモコンではありません。重力、摩擦、そして予期せぬ事態に満ちた世界の中で、巨大で重い体を指揮する複雑なオーケストラなのです。科学者たちは長い間、この会話を理解したいと考えてきましたが、そこには問題がありました。動いている動物の脳内を簡単に覗き見ることはできず、リスに「バランスを取る感覚」を説明させることもできないのです。

これを解決するために、科学者たちは「ニューロメカニカル・モデリング（神経機械的モデリング）」と呼ばれるトリックを使います。これは、動物の「デジタルツイン」を作るようなものです。つまり、実物と同じように機能する筋肉、骨、物理法則を備えた仮想の体を作ります。そして、コンピュータの脳（人工ニューラルネットワーク）に、そのデジタルボディを、まるで本物の動物のように動かすよう教え込みます。目的は、デジタルボディを踊らせるためにどのような「思考（制御信号）」が必要なのかを見極めることで、脳の秘密をリバースエンジニアリングすることです。しかし、これまでは、こうしたデジタルツインを構築することは、スーパーコンピュータをトースターで動かそうとするようなものでした。膨大な、高価なコンピュータ・クラスターが必要であり、それは大手テック企業にしか手の届かないものでした。そのため、一般的な生物学の研究室がこうしたアイデアを試すことは困難でした。

そこに、ゲームチェンジャーとなる新しいオープンソースのツールキット、「MIMIC-MJX」が登場しました。ハーバード大学、サルク研究所などのチームによるこのプロジェクトの研究者たちは、研究室にサーバーが並ぶ部屋を用意しなくても、標準的なグラフィックスカード（ゲーミングPCに搭載されているようなもの）一台で、これらのデジタル脳を訓練できるシステムを作り上げました。彼らはこのフレームワークを「MIMIC-MJX」と呼び、それは「マスター・ミミック（熟練した模倣者）」として機能します。実物の動物の動き（ネズミが駆け回り、ハエが歩き、虫がうねうねと動く様子）のビデオ映像を取り込み、それを使って、物理シミュレーション内での仮想バージョンの動物に動き方を教え込むのです。

仕組みは、ステップごとに以下の通りです。まず、システムは実物の動物のビデオを観察し、関節がどのように曲がり、肢が空間のどこにあるのかを正確に把握します。これは、たとえビデオが毛皮や皮膚の外側しか映していなくても、3Dのスケルトン（骨格）をビデオに完璧にフィットさせる作業に似ています。これは「stac-mjx」と呼ばれるツールによって行われます。これは高速な翻訳機のように機能し、2Dまたは3Dのビデオ上の点（ドット）を、精密な関節角度へと変換します。

仮想の体が実物の動物が何をしたかを理解したら、次にシステムの第2部である「track-mjx」が動き出します。これが「教師」となります。これは「深層強化学習」と呼ばれる手法を用いています。これは、犬にオヤツで訓練するのと似ていますが、犬はコンピュータプログラムであり、オヤツは数学的な報酬です。プログラムは、ビデオと一致するように仮想の動物を動かそうと試みます。もし仮想のネズミが間違ったタイミングで足を上げたら、「悪いスコア」を与えられます。もしビデオと完璧に一致すれば、「良いスコア」を得られます。数百万回の試行を経て、コンピュータの脳は、動きを再現するために必要な正確な筋肉の指令を学習していきます。

MIMIC-MJXが特別なのは、その速さと柔軟性にあります。著者らは、ラット、ショウジョウバエ、マウスの腕、スティックインセクト（ナナフシ）、そしてワーム（虫）といった多種多様な生物でテストを行いました。その結果、システムは驚くべき精度でこれらの動物の動きを模倣できることがわかりました。例えば、ラットを用いて訓練した場合、仮想のラットは歩行、立ち上がり、毛づくろいの動作を、わずか約7ミリメートル（鉛筆の消しゴムの幅ほど）の誤差で再現できました。さらに印象的なことに、システムは数秒間だけでなく、長い時間、仮想のラットを動かし続けることができました。テストでは、わずか5秒間のクリップ（動画）で訓練されたにもかかわらず、約83%の仮想ラットが、転倒することなく2分間フルに動き続けることができました。これは、システムが単に数秒間のビデオを暗記したのではなく、動きの「原理」を学習したことを示唆しています。

研究者たちはまた、このシステムが異なる種類の「体」にも対応していることを示しました。研究対象の中には、ラットやハエのように単純な「トルク（回転力）」モーターによって制御されるものもあれば、マウスの腕やワームのように、実際の筋肉が伸び縮みする様子を模した、より複雑な「筋肉」モデルを使用するものもありました。MIMIC-MJXは両方のタイプを成功裏に扱えることを証明し、異なる生物学的現実にも適応できることを示しました。

論文の中で最もエキサイティングな部分の一つは、彼らがこれらの訓練された「ミミック（模倣者）」を用いて、現実の世界では不可能な実験を行ったことです。彼らは、低レベルのコントローラー（筋肉を動かす方法を知っている部分）を取り出し、その上に新しい単純な脳を載せて、動物に新しい技を教え込みました。彼らは仮想のラットに対し、特定の速度で走ることや、ボウル型の窪地から脱出することを求めました。MIMIC-MJXのコントローラーに導かれた仮想のラットは、これらの新しいタスクを素早く学習し、非常に自然な動きを見せました。対照的に、この「ミミック」の基礎なしにロボットを一から訓練しようとすると、失敗するか、あるいはぎこちなく不自然な動きになりました。このことは、MIMIC-MJXシステムが、動物の動きに関する根本的な何か、つまり自然な行動の「事前分布（プライア）」やベースラインを捉えており、それが新しいことを学ぶプロセスを容易にしていることを示唆しています。

論文はまた、彼らの仮想コントローラーの「脳」の内部を覗き込み、彼らが何を考えているのかを分析しました。ネットワークを流れるデータを分析することで、システムが動きを単純で低次元なパターンへと整理していることがわかりました。ショウジョウバエの場合、歩行に関する「思考」はデータの中で整然とした円形のループを形成しており、それが歩行のリズムを表していました。マウスの腕の場合、データは、脳が複雑な動きをいくつかの主要な変数へと圧縮していることを示していました。これは、人間がすべての筋肉の微細な動きを計算するのではなく、「コップに手を伸ばす」といった概念で考えるのと似ています。

しかし、著者らはこのシステムが「何ではないか」についても注意深く述べています。彼らは、このシステムが動きを完璧に再現できる一方で、その動きを実現するために生成される具体的な電気信号が、必ずしも実物の動物の脳が使用している信号と同一であるとは限らないことを明示しています。肢を動かす方法は他にも多く存在するため（これは「バーンシュタインの自由度」として知られる問題です）、コンピュータは生物が採用した方法とは異なる解決策を見つけ出す可能性があります。このシステムは、体が「どのように動くことができるか」の有効なシミュレーションではありますが、動物が「実際にどのように考えているか」を証明するものではありません。これは仮説を生成するための強力なツールであり、最終的な正解集ではありません。

さらに、システムはデジタルボディモデルの品質に依存しています。もし仮想のラットの筋肉や骨が正しく構築されていなければ、模倣は失敗します。著者らは、新しい種のための詳細なボディモデルを構築することは依然として困難で、時間がかかる作業であり、研究者が自ら行う必要があることを認めています。また、シミュレーションを高速に実行するために、空気抵抗や、毛が地面とどのように相互作用するかといった複雑な物理現象を無視するなど、いくつかの簡略化も行っています。

これらの限界はあるものの、MIMIC-MJXは神経科学のあり方に大きな転換をもたらします。強力なシミュレーションを標準的なコンピュータを持つあらゆる研究室で利用可能にすることで、何千もの研究者が「仮想実験」を行う道を開きます。彼らは、神経系が新しい環境に適応する場合や、特定の筋肉が取り除かれた場合に何が起きるか、あるいは学習がどのように起こるかといったことを、動物を一匹も捕まえることなくテストできます。これは、仮想の動物を、操作可能な実用的な被験体へと変え、生物学の混沌とした現実と、コンピュータサイエンスのクリーンな精密さとの間の溝を埋めるものです。論文は、これが「仮想神経科学」が現実世界の実験の標準的なパートナーとなり、脳と体の間の複雑なダンスをようやく解読する手助けをするための、極めて重要な一歩であると結んでいます。