A behavior-environment information loop drives sensory navigation

新しい街で最高のピザを見つけようとしている場面を想像してみてください。あなたには2つの方法があります。1つ目は受動的な方法です。じっと立ち止まって、香りが漂ってくるのを待ち、もし良い香りがしたら、その方へ歩いていきます。香りが消えたら、止まります。これは、今感じ取れるものにのみ反応するロボットのようなものです。2つ目は能動的な方法です。じっとしていてもうまくいかないと気づいたあなたは、ジグザグに歩き始めます。動くことで、次に自分が何を嗅ぐことになるのかを自ら変えるのです。あなたは、自らの経験を能動的に形作り、より良い情報を集めようとしています。これは、微小な細菌から人間まで、ほとんどの生物が実際にナビゲーションを行っている方法です。彼らは世界がどこへ行くべきかを教えてくれるのをただ待っているのではありません。知るために、自ら動くのです。

科学者たちは、動物がどのように感覚を使って意思決定を行うかを長年研究してきましたが、彼らは主に「一方通行の道」——つまり、一つの匂いがどのように旋回へとつながるか——を見てきました。しかし、「どのように回転するという行為が、次に遭遇する匂いを変化させるのか？」という逆の問いについては、ほとんど問いかけてきませんでした。本論文はこの空白に踏み込みます。著者たちは、情報理論と呼ばれる科学の一分野を用いています。これは、メッセージの中にどれだけの「驚き」や「新しさ」があるかを扱う数学です。著者たちは、動物の行動と周囲の世界との間の「双方向の会話」を測定したいと考えています。彼らはこう問いかけます。動物は単に世界に反応しているだけなのか、それとも、反応を得るために積極的に世界を突っついているのか？ このループを理解することは極めて重要です。なぜなら、それが、混沌とした変化し続ける世界の中で、生物がいかにして食物や配偶者、あるいは安全を見つけ出すのかを説明してくれるからです。また、迷うことなくナビゲーションできる、より優れたロボットを作る助けにもなるかもしれません。

---

偉大なる情報ループ：動きがどのように知識を変えるのか

ナビゲーションを行うことを、宝物を隠している友人と「熱いか冷たいか（ホット・アンド・コールド）」のゲームをしているようなものだと考えてみてください。古い考え方では、プレイヤーは手がかりを聞き取る探偵に過ぎないと考えられてきました。もし友人が「温かい」と言えば、プレイヤーは近づきます。「冷たい」と言えば、プレイヤーは離れます。これは**反応的（reactive）**な戦略です。環境が信号を送り、プレイヤーがそれに反応します。

しかし、本論文は、真の魔法はプレイヤーが「友だちに喋らせる（情報を引き出す）」ことができると気づいた時に起こると主張しています。もしプレイヤーが円を描くように走り回れば、偶然にも宝物にぶつかったり、新しい手がかりを引き出したりできるかもしれません。これは**能動的（active）**な戦略です。プレイヤーの行動が環境を変え、それによって新たな、より良い情報が送り返されてくるのです。イェール大学の研究チームである著者たちは、これを「行動ー環境情報ループ（behavior-environment information loop）」と呼んでいます。彼らは、ナビゲーションのどれほどが「反応」によるもので、どれほどが「経験を能動的に形作る」ことによるものなのかを、正確に測定しようとしました。

これを行うために、彼らは**転移エントロピー（transfer entropy）**と呼ばれる概念に基づいた新しい数学的ツールを考案しました。あなたがビデオゲームのキャラクターの次の動きを予想しようとしている場面を想像してください。もしゲーム画面（感覚入力）だけを見ているなら、そこそこの予想しかできません。しかし、もしキャラクターが「直前に何をしたか（行動出力）」も知っていれば、あなたの予想はさらに精度が高まります。転移エントロピーはこの「予想がより良くなる度合い」を測定します。それは、情報の流れを2つの方向に分割します：

1. 反応的フロー ($\dot{T}_{s \to a}$): 現在の匂いや視覚が、次に動物が何をすべきかをどれだけ伝えているか。
2. 能動的フロー ($\dot{T}_{a \to s}$): 動物の現在の動きが、次に何を嗅いだり見たりすることをどれだけ変えるか。

成功のための秘密の公式

チームはまず、非常に単純な細菌のコンピュータモデルを作成することから始めました。彼らに与えた選択肢は、ただ2つです。「真っ直ぐ走る」か、「方向を変えるためにタンブル（回転）する」か。また、2つの感覚状態も与えました。「勾配の上（食物に向かう方向）」の匂いを感じているか、「勾配の下（食物から遠ざかる方向）」の匂いを感じているかです。

数値を計算した結果、驚くべきパターンが見つかりました。細菌の食物発見の成功は、これら一方のフローだけに依存するのではなく、両方の幾何平均に依存していたのです。これは自転車のようなものだと考えてください。もし優れたエンジン（反応的フロー）を持っていても、ハンドル（能動的フロー）がなければ、ただ円を描いて走り続けるだけです。逆に、優れたハンドルを持っていてもエンジンがなければ、どこにも行けません。両方が連携して機能する必要があります。

彼らは、この完璧なバランスを表すための単一の数値として、**$\Phi$（ファイ）**という記号を作りました。この数値を実世界のデータと比較したところ、驚くほどうまく機能しました。彼らは以下の対象を調査しました：

• 食物に向かって泳ぐ細菌
• 化学的な景観の中を這い回るワーム（線虫など）
• 風に乗って漂う目に見えない、渦巻く臭いのプルームを追跡するハエ
• 仮想世界をナビゲートすることを学習しているAIエージェント（コンピュータプログラム）

あらゆるケースにおいて、$\Phi$ の値が高いほど、ナビゲーションのパフォーマンスも向上していました。数学的な予測は、驚異的な精度（科学界ではほぼ完璧とされる0.95という相関関係）で成功率を予測しました。これは、微小な微生物であれスマートなロボットであれ、進むべき道を見つけるための秘訣は、感知することと動くことの間のタイトなフィードバック・ループを維持することにあることを示唆しています。

一律の正解はない

ここからが非常に興味深いところです。論文は、優れたナビゲーターになる方法はただ一つではないことを示しています。成功はこれら2つのフローの「バランス」に依存するため、異なる生物は全く異なる戦略を用いて同じ目標を達成できるのです。

2匹の細菌が全く同じ速度で食物を見つけている場面を想像してください。

• 細菌Aは「反応の達人」です。食物の匂いを嗅ぐと興奮し、真っ直ぐ走ります。もし匂いが弱まると、すぐに方向修正のためにタンブルします。これは信号に反応することに大きく依存しています。
• 細菌Bは「能動的な探索者」です。単に反応するだけでなく、たとえ信号が弱くても、食物の匂いを嗅ぎ続けられるような動きを維持します。彼は情報を流し続けるために、自らの経路を形作ります。

どちらも同じ結果を得ますが、その内部的な「性格」は全く異なります。著者たちは、この「デジェネラシー（縮退／異なる経路が同じ目的地に到達すること）」を、細菌、ワーム、そして研究したAIエージェントの中に見出しました。これは、動物がどれくらいの速さで動いているかを見るだけでは、彼らがどのように「考えている」のかを理解するには不十分であることを意味します。情報ループを見ることで、その個体が「反応的なフォロワー」なのか、それとも「能動的なシェイパー（形作る者）」なのかを知ることができるのです。

動きの「ゴルディロックス（適度な）」ゾーン

また、物事が予測可能になりすぎた時に起こる展開についても、この論文は発見しています。非常に安定した穏やかな環境では、極めて決定的（常に食物の匂いに対して全く同じ行動をとること）であることが最善だと考えるかもしれません。しかし、数学はそれとは異なることを示唆しています。

もし動物がその動きにおいて「予測可能すぎる」状態になると、新しい情報を生成できなくなります。それは、ずっと直線的に歩き続けるロボットのようなもので、最終的に世界についての新しいことを何も学べなくなります。著者たちは、最適なパフォーマンスはしばしば、能動的フローが中間レベルにある時に起こることを発見しました。動物は、世界を面白く、かつ情報豊かに保つために十分に動き、同時に、道を見失わない程度に制御されている必要があります。

彼らはこれを「ツー・アームド・バンディット（2つのレバーがあるスロットマシン）」というコンピュータゲームでテストしました。AIがゲームを学習していくにつれ、AIは単に報酬を最大化するだけでなく、自身の情報フローを調整していきました。ゲームが簡単な時、AIは非常に反応的になりました。ゲームが難しい時、AIは探索するために、より能動的になる必要がありました。しかし、もしAIが自信過剰になりすぎて探索をやめてしまうと、そのパフォーマンスは実際に低下しました。最善の戦略は「ゴルディロックス」的なバランスでした。好奇心を維持するために十分な能動的動きを行い、かつ、軌道を外れないために十分な反応的コントロールを行うというバランスです。

なぜこれが重要なのか

この研究は、私たちのナビゲーションに対する見方を変えます。それは、移動とは単に地点Aから地点Bへ移動するための手段ではなく、移動とは環境に対して「質問を投げかける」ための手段であるということを教えてくれます。

著者たちはこれをシミュレーションしただけでなく、実際の細菌、ワーム、ハエで測定しましたが、そのパターンは一貫していました。彼らは、ナビゲーションにおける唯一の「最善の方法」を見つけたのではありません。代わりに、普遍的なルールを見出したのです。成功するナビゲーションには、世界に反応することと、世界を突っついて反応を見るという、二つの間のダンスが必要であるというルールです。

ですから、次にハエが空中をジグザグに飛んだり、犬が地面の匂いを嗅いだりしているのを見かけたら、彼らはただ鼻を頼りにしているのではないことを思い出してください。彼らは、自らの動きを使って会話を継続させながら、空気や風、そして地面と積極的に「対話」しているのです。そして、この論文によれば、その対話こそが、彼らが家に帰る道を見つけるための鍵なのです。