🧬 biology

Platonic Representations in the Human Brain: Unsupervised Recovery of Universal Geometry

本論文は、人間の視覚皮質における被験者固有のfMRI表現が普遍的な幾何学的構造を共有しており、対データや中間モデルを必要とせずに直交回転を通じて個人間での神経埋め込みの教師なし変換を可能にすることを示す。

原著者： Pablo Marcos-Manchón, Rishi Jha, Lluís Fuentemilla

公開日 2026-05-21

📖 1 分で読めます☕ さくっと読める

原著者： Pablo Marcos-Manchón, Rishi Jha, Lluís Fuentemilla

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

あなたと友人が同じ美しい夕日を見ていると想像してください。たとえあなたの目と友人の目の位置が異なり、脳内の配線もわずかに違っていたとしても、あなた方二人はどちらもその夕日の精神的な「イメージ」を持っているはずです。

長らく科学者たちは疑問に思っていました：これらの精神的なイメージは、同じ基盤となる設計図に基づいて構築されているのでしょうか？

この論文は「はい」と答えます。それは、視覚情報を処理する際、人間の脳はすべて共有された普遍的な「幾何学」あるいは地図を使用していることを示唆しています。私たちが皆異なる個人であるにもかかわらず、私たちの脳は視覚体験を数学的に互換性のある方法で組織化しているように見えます。それは、辞書がなくても完全に互いに翻訳できる二つの異なる言語のようです。

以下に、研究者たちがこれを証明した方法を、簡単なアナロジーを用いて説明します。

1. 問題：誰もが異なる方言を話している

8 人の異なる人々（研究参加者）が数千枚の写真を見ていると想像してください。彼らがこれらの画像を見る際、各人の脳はニューロンの活動（fMRI スキャンにおける「ボクセル」）を記録します。

問題点： 人物 A の脳は、猫の画像に対して特定のパターンで活動するかもしれません。一方、人物 B の脳は、同じ猫に対して全く異なるパターンで活動するかもしれません。
課題： 通常、人物 A の「猫のパターン」を人物 B のそれに変換するには、二人に同時に同じ画像を見せ、手動でパターンを結びつける必要があります。それは、二人が並んで本を読み、すべての単語を指差しながら翻訳しようとするようなものです。

2. 解決策：思考の「形状」を学ぶ

研究者たちは、全員に同じ画像を見せることなく、あるいは「辞書」（対応するデータ）を持たずに、これらの脳のパターンを変換できるかどうかを確認したいと考えていました。

彼らは巧妙なトリックを用いました：反復です。

彼らは各人に同じ写真を複数回見せました。
彼らは、ノイズ（ランダムな脳の静電雑音）を無視し、思考の安定した「形状」のみを学習するコンピュータプログラム（エンコーダー）を構築しました。
アナロジー： 隠された物体の形状を手に触れて学ぶと想像してください。一度、二度、そして十回触れます。やがて、手の震えに気づかなくなり、物体の真の固い形状を理解し始めます。研究者たちは脳に対してこれを行い、各人の脳が世界をどのように見るかを示す、クリーンな 3 次元の「地図」を作成しました。

3. 発見：「普遍的翻訳機」

彼らが各人のためのクリーンな地図を入手すると、それらを翻訳しようと試みました。

テスト： 彼らは人物 A の地図を取り、人物 B の地図に合わせるために回転させようとしました。
結果： 彼らは複雑で厄介な変換を必要としなかったことを発見しました。彼らが必要としたのは、地球儀を回すように地図を回転させることだけでした。
比喩： 人物 A の脳が「北」を「上」とする都市の地図だと想像してください。人物 B の脳は同じ都市ですが、彼らの地図では「北」が「右」を指しています。もし人物 A の地図を 90 度回転させるだけで、通りや建物は人物 B の地図と完璧に一致します。
「プラトニック」な概念： これは、深層において、すべての人間の脳が視覚情報を組織化するために同じ「普遍的幾何学」（プラトニックな理想）を使用していることを示唆しています。私たちが持っているのは、その地図上の異なる「向き」に過ぎません。

4. 「グループ同期」（最終的な仕上げ）

研究者たちは人物 A から人物 B への変換だけでなく、8 人全員を一つの共有された「普遍的脳空間」に同期させました。

アナロジー： 8 人の人々がパズルの異なるピースを持っていると想像してください。個別には、それらはランダムな形状に見えます。しかし、研究者が各人のピースに特定の回転を適用すると、それらはすべて完璧に嵌まり合い、一つの巨大で調和のとれた画像になります。
結果： この「共有空間」は驚くほど機能しました。人物 A が見た画像をこの共有空間に変換し、人物 B にそれを見つけるよう求めると、人物 B は非常に高い精度でそれを特定することができました。

この意味するところ（論文によると）

論文は以下のように結論付けています：

共有幾何学： 人間の脳は、視覚場面を表現する方法において、共有された普遍的な構造を持っています。
単純な変換： 私たちは、画像が何であったかを事前に知る必要もなく、単純な幾何学的回転を用いるだけで、ある脳から別の脳へ情報を移動させることができます。
「辞書」は不要： この変換は、脳内のデータの内部「形状」に基づいてのみ機能し、私たちの脳は私たちが考えていたよりも根本的な構造において類似していることを証明しています。

この論文が述べていないこと：

読心術が可能であるとか、リアルタイムで誰かが何を考えているかを知ることができるとは主張していません。
複雑な感情や記憶にもこれが適用されるとは述べていません（視覚的な場面のみ）。
この技術が現在、病院や医療治療で使用される準備ができているとは主張していません。

要約すれば：私たちの脳は、同じ車の異なるモデルのようです。色やダッシュボードのレイアウトは異なるかもしれませんが、ボンネットの下ではエンジンの幾何学は同一であり、レンチを回すだけで部品を交換することができます。

技術的概要：人間の脳におけるプラトン的表現

問題提起

強プラトン的表現仮説は、独立して訓練された人工ニューラルネットワークが幾何学的に類似した表現へと収束し、対になったデータや共有入力なしに普遍潜在空間を介して埋め込みをモデル間で翻訳可能であると主張する。この仮説を裏付ける証拠は人工視覚および言語システムには存在するが、この原理が生物学的神経システムにも拡張するかどうかは未だ不明である。

既存の脳データ対照間整合法（例：ハイパーアライメント）は、通常、対照間対応を確立するために共有刺激に依存するか、外部参照空間（例：モデル由来の特徴）に依存している。本論文が扱う中心的な問いは、神経応答の内在的幾何学のみを用い、対照間対データや中間モデル表現を介さずに、独立して学習された脳表現のみから共有神経幾何学を回復できるかどうかである。

手法

著者らは、8 名の被験者が複雑な自然画像を視認した自然風景データセット（NSD）を用いてこの仮説を検証する 3 段階のフレームワークを提案する。重要なのは、学習には被験者固有の非共有画像を使用し、評価には保持された共有画像のみを使用する点である。

1. 幾何学保存型埋め込みの学習（被験者固有）

各被験者 $s$ について、自己教師ありエンコーダ $f_s$ が fMRI 応答 $X^{(s)}$ を低次元埋め込み空間 $Z^{(s)}$ に写像する。

反復による自己教師あり学習: 本手法は刺激提示の反復を利用する。反復を平均化（独立性を仮定）するのではなく、エンコーダはそれらを安定した潜在信号のノイズを含む視点として扱う。
パイプライン:
1. ボクセル信頼度重み付け: ボクセルを反復間の相関に基づいて再重み付けし、ノイズを抑制する。
2. 線形射影: 信頼度重み付けされた応答を PCA により射影し、続いてマルチビュー正準相関分析（MCCA）を用いて視点間で共有される成分を抽出する。
3. 非線形洗練: 残差マルチレイヤーパーセプトロン（MLP）が線形埋め込みを洗練する。モデルはコントラスト学習の InfoNCE 損失とコサイン引き項を用いて訓練され、同じ画像（異なる反復間）の埋め込みが近接し、異なる画像の埋め込みが分離されるようにする。
目的: 外部の指導なしに、被験者の刺激応答の内在的組織を反映する埋め込み空間 $Z^{(s)}$ を学習すること。

2. 対照間脳対脳翻訳

独立して学習された埋め込み $\{Z^{(s)}\}$ が与えられたとき、著者らは対データなしに被験者 $s$ の空間を被験者 $t$ の空間へ翻訳するための直交変換 $R_{s \to t}$ を求める。

疑似対応: 訓練中に共有画像が利用できないため、各被験者の埋め込み空間をクラスタリング（K-means）し、ペアワイズ類似性構造に基づいて重心をマッチングさせることで、疑似マッチング対を構築する。
反復的洗練: 反復的最接近点（ICP）に類似した反復アプローチにより、直交プロクラステス解を洗練する。
対称化: 得られた回転を対称化し、 $R_{t \to s} = R_{s \to t}^\top$ となるようにし、これは大域的整合性の要件である。

3. 共有潜在空間の構築（大域同期）

ペアワイズ翻訳を超えて単一の整合的な座標系を確立するために、著者らは群 $O(d)$ 上で直交同期問題を解く。

ペアワイズ回転のブロック行列を構築する。
スペクトル法により、各被験者に対して単一の直交変換 $R_s$ を回復し、 $R_{s \to t} \approx R_s R_t^\top$ となるようにする。
これにより、すべての被験者埋め込みを共有潜在空間 $Z$ へ写像し、被験者グラフ全体でサイクル整合性を強制する。

主要な結果

被験者内性能

自己教師ありエンコーダは、ノイズの多い fMRI データから安定した刺激表現を成功裡に抽出した。

検索: 同一被験者内での反復間におけるマッチング画像の検索において、平均ランクは5.28（偶然確率 = 258）、R@1 は0.82を達成した。
比較: これは、直接神経ベースライン（GLMsingle、PCA）、マルチビュー自己教師あり手法（SplitAE、DeepCCA）、モデル誘導ベースライン（CLIP、DINOv2）を上回る。反復に基づく自己教師あり学習は、外部指導型エンコーダよりも強力なインスタンスレベル情報を回復する。

対照間翻訳（教師なし）

本手法は、対データのみを使用して被験者間の埋め込みを成功裡に翻訳した。

性能: 保持された共有画像において、教師なし直交翻訳は被験者対間で平均ランク2.56、R@1 0.78を達成した。
ベースライン: これは「翻訳なし」コントロール（平均ランク約 189）や最適輸送マッチングを著しく上回る。また、外部特徴空間に依存するモデル誘導ベースライン（例：CLIP、ViT）をも上回る。
幾何学: 高い表現類似性分析（RSA）スコアは、被験者固有の空間が近似的に等長であることを示している。

共有潜在空間

ペアワイズ回転を単一の共有空間へ同期させることで、性能がさらに向上した。

改善: 大域同期により、平均ランクはペアワイズ時の 2.47 から1.97へ低下し、R@1 は 0.79 から0.83へ向上した。
示唆: これは、独立して学習された被験者空間が共通の座標系と相互に互換性があることを確認する。

モデル - 脳アライメント

回復された神経埋め込みを教師あり線形写像を介して人工ニューラルネットワーク（ANN）層へマッピングした際：

リッジ回帰は、半直交写像と比較して検索性能（平均ランク約 5.86）を向上させ、ANN が関連する刺激情報を捉えていることを示している。
しかし、これらの教師ありマッピングは、教師なしの脳対脳翻訳（平均ランク 1.97）よりも劣った。これは、ANN が脳と情報を共有している一方で、人間の間で観察されるような近似的等長幾何学変換を共有していないことを示唆している。

意義と主張

本論文は、強プラトン的表現仮説が生物学的神経システムにも当てはまるという最初の証拠を提供すると主張する。具体的には：

共有幾何学: 人間の視覚皮質における被験者固有の fMRI 表現は、個人間で近似的に等長である。
普遍潜在空間: これらの表現は、対照間対データや外部モデルのアンカーなしに、内在的データから学習された純粋な幾何学変換（直交回転）を用いて共有座標系へ翻訳可能である。
実用的示唆: この共有幾何学は、ある被験者から学習されたデータ、エンコーダ、デコーダが、fMRI から画像への復号や合成神経データ生成などの応用において、別の被験者へ転送可能であることを示唆し、広範な被験者固有の較正の必要性を低減する可能性がある。

著者らは限界について慎重であり、分析が反復を伴う高品質な fMRI データに依存しており、対データなし翻訳手順は初期値に敏感であることを指摘している。彼らは現在の ANN が人間の幾何学を完全に再現すると主張するのではなく、脳には等長変換を通じてモデルがまだ完全に整合できていない回復可能な普遍構造が存在すると主張している。