A Drosophila Whole-Connectome Network Can Learn Human-Designed Cognitive Tasks
本研究は、雄のショウジョウバエのコネクトームにおける固定された解剖学的配線が、有界加算や接地された関係言語といった人間が設計した認知タスクの学習において効果的な計算基質として機能し、ランダムにネットワークを組み替えたものよりも大幅に優れた性能を示すことを実証している。
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。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
人間の脳は、しばしば既知の宇宙で最も複雑な物体であるとしばしば形容されます。それは、私たちが考え、動き、話すことを可能にする、数十億の細胞が絡み合った網状の構造です。何十年もの間、科学者たちはこの配線をマッピングしようと試み、どのニューロンがどのニューロンと接続されているかを正確に示す「コネクトーム」と呼ばれる詳細な図を作成してきました。これらのマップは通常、脳がいかにして身体を制御するか、例えば、ハエがいかにして花を見るか、あるいは人間がいかにしてコップを持ち上げるかといったことを理解するために研究されます。しかし、新しい探究はより大胆な問いを投げかけています。もし、脳の物理的な配線図を取り出し、それをコンピュータプログラムの骨格として使用したとしたら、そのプログラムは、その動物が進化の過程で決して習得することのなかった事柄を学習できるのだろうか、という問いです。これは、生物学的な接続の特定の形状が、ランダムな接続にはない「秘密の力」を持っているのかどうかを検証するテストなのです。
韓国科学技術院（KAIST）の研究者たちは、このアイデアを検証するために、一匹の雄のショウジョウバエの完全な神経系を用いて実験を行うことにしました。彼らは、16万6千個以上のニューロンと2600万近い接続を含む、公開されているこのショウジョウバエの脳のマップを取り出し、それを人工ネットワークの固定された構造として使用しました。彼らは、実際のハエの思考や動きをシミュレートしようとしたわけではありません。代わりに、この生物学的な骨格に対して、ショウジョウバエとは全く関係のない2つのタスク、すなわち「数の加算」と「感覚イベントに関する単純な言語の理解」を学習させました。最初のタスクでは、ネットワークは2つの数字を足し合わせる学習を行う必要があり、その合計は100を超えないものとされました。第二のタスクでは、ネットワークは「強い圧力」の後に「弱い動き」が起こったというような、2つの物理的な感覚に関する記述を聞き、たとってイベントの順序が逆転していたとしても、その記述を正しく一致させる必要がありました。
ハエの特定の配線が重要であったかどうかを確認するために、科学者たちは対照群を作成しました。彼らは、同じ数のニューロンと接続を使用しましたが、各ニューロンが持つ接続の数だけを維持したまま、リンクをランダムにシャッフルしました。これにより、統計的には似ているものの、実際のハエが進化させてきた特定の経路を持たない「再配線された」脳が作成されました。彼らがこの実在のハエのネットワークを加算タスクに対して学習させたところ、高い精度で成功し、未知の問題に対しても93パーセント近い正解率を記録しました。一方、ランダムに再配線されたネットワークは著しく苦戦し、精度は約68パーセントにとどまりました。この差は相当なものであり、ハエ自身は数学を行わないにもかかわらず、実在のハエの脳の特定の配置が、数学の学習において隠れた利点を提供していることを示唆していました。
結果は、言語タスクにおいてさらに驚くべきものとなりました。ここでは、ネットワークは感覚入力を言葉へと結びつける必要があり、「強い圧力」という特定の信号パターンが「弱い動き」の「前」に起こったことを学習しなければなりませんでした。研究者たちは、結果が特定のセットアップによる偶然の産物ではないことを確実にするため、感覚情報が入る場所と言葉が出力される場所を変更しながら、4つの異なる方法でネットワークをテストしました。これらすべてのテストにおいて、実在のハエの脳に基づいたネットワークは、再配線されたバージョンを一貫して上回りました。シーンと記述を正しくペアリングし、かつ逆転したシーンとその逆転した記述も正しくペアリングする必要がある最も困難なテストにおいて、実在の脳は約62パーセントのスコアを達成しましたが、ランダムなバージョンは平均で44パーセントでした。20種類の異なるランダムな再配線を用いたより大規模な比較においても、実在のハエの脳は、他のすべてのネットワークを打ち負かし、第1位となりました。
決定的なことに、この研究は、この優位性が単に適切な数の接続を持っていることによるものではないことを示しました。研究者たちは、実在の脳の成功は、感覚入力と、それらが接続されている脳の特定の部分との間の整合性に大きく依存していることを発見しました。感覚信号をかき混ぜて、入力が脳の自然な配線と一致しなくなったとき、実在の脳のパフォーマンスは崩壊し、約61パーセントからわずか19パーセントへと低下しました。これは、脳の構造が単なる汎用的な入れ物ではなく、入力の物理的な位置が極めて重要となる特化した機械であることを証明しました。ランダムなネットワークは、この特定の整合性を欠いていたため、混乱から回復することができませんでした。
これらの知見は、脳の配線方法には、問題を効率的に解決するための再利用可能な設計図、すなわち「帰納バイアス」が含まれていることを示唆しています。これは、ハエの脳が何でもできる汎用コンピュータであることを意味するものではありません。ネットワークは依然としてゼロから学習する必要があり、正しい感覚入力がなければ学習することはできませんでした。しかし、本研究は、コネクトームにおける生物学的なエッジ（辺）の配置が、単なる動物の過去の記録以上のものであることを実証しています。それは、人間の設計した認知タスクのために転用可能な、機能的なアーキテクチャなのです。ハエが世界をナビゲートするために進化させた特定の経路は、算術や言語を学習しようとするコンピュータにとっても、実は「追い風」となっているのです。この発見は、生物学的な配線は、それが元々進化させた行動のためだけに有用であるという考えに疑問を投げかけるものです。
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。