Bottom-up and generative computations uniquely explain neural responses across the social brain

この研究は、社会的知覚領域とメンタライジング領域がそれぞれ異なる計算プロセス（ボトムアップ処理と生成推論）に特化するという従来の仮説を覆し、両領域が両方の計算を異なる時間軸で組み合わせて行っていることを、新しい計算モデルと fMRI 実験を通じて実証したものである。

要約

この研究論文は、**「私たちが他人の行動を見て『あいつ、友達と遊んでるのか、喧嘩してるのか』と瞬時に判断するときに、脳の中でいったい何が起きているのか」**という謎を解明しようとしたものです。

まるで、脳という「巨大な工場」が、目の前の映像をどう処理して「社会的な意味」を見出しているかを調べる実験でした。

以下に、専門用語を排し、わかりやすい比喩を使って説明します。

---

1. 従来の説：脳は「2 段構え」の工場だった？

これまで、科学者たちは私たちの脳が社会的な判断をするとき、「2 つの異なる部門」が順番に働くと考えていました。

• 第 1 段階（下流の部門）： 目の前の映像を素早く見て、「あいつが走ってる」「あいつが追いかけてる」といった事実だけを捉える。
  • 例： 監視カメラの映像をただ記録する係。
  • 脳内の場所：後部上側頭溝（pSTS） という部分。
• 第 2 段階（上流の部門）： その事実をもとに、「あいつは相手を困らせようとしているのか、助けようとしているのか」という意図や心を推測する。
  • 例： 犯人の動機を推理する探偵。
  • 脳内の場所：側頭頭頂接合部（TPJ） という部分。

つまり、「まず映像を見て、次に心を推測する」という**「下から上への（ボトムアップ）→（トップダウン）」の階段**のような仕組みだと思われていました。

2. 今回の実験：脳に「2 種類の AI」を見せた

研究チームは、この「2 段階説」が本当かどうかを確かめるために、2 つの異なる AI（人工知能）モデルを脳に登場させました。

1. 「映像の専門家 AI（SocialGNN）」
   • 特徴： 心や意図は全く考えません。ただ、キャラクターの「位置」「速度」「ぶつかったか」などの物理的な動きをグラフのように繋げて分析する、純粋な映像処理の専門家です。
   • 比喩： 高速で映像を解析する「カメラマン」。
2. 「心の読み取り AI（SIMPLE）」
   • 特徴： 逆算して考えます。「もし相手が『助けたい』と思ってたら、どう動くはずか？」とシミュレーションし、実際の映像と照らし合わせて**「意図」**を推測します。
   • 比喩： 犯人の心理を推理する「名探偵」。

そして、被験者にアニメーションのキャラクターが動く動画を見せながら、fMRI（脳の活動を見る機械）で脳をスキャンしました。

3. 驚きの発見：脳は「2 段構え」ではなく「ハイブリッド」だった

予想では、「映像の専門家 AI」は pSTS（映像部門）に、「心の読み取り AI」は TPJ（推理部門）に反応するはずでした。

しかし、結果は全く違いました。

• 驚きの結果：
  • pSTS（映像部門）でも、「心の読み取り AI」の考え方が脳活動と一致していました。
  • TPJ（推理部門）でも、「映像の専門家 AI」の考え方が脳活動と一致していました。

つまり、「映像を見る場所」も「心を推測する場所」も、どちらも「映像の分析」と「心の推測」の両方を行っていることがわかりました。脳は、2 つの部門を厳格に分けておらず、**「映像と心の両方を同時に、あるいは重なり合って処理している」**のです。

4. 時間の流れで見えた「秘密のタイミング」

では、なぜ「2 段構え」と思われていたのでしょうか？
研究チームが時間を細かく分析（10 秒の動画を 2 秒ずつ区切って見る）したところ、**「タイミングの違い」**が見つかりました。

• 最初の数秒： 「映像の専門家 AI」の反応が強く現れます。まずは「何が起こっているか」を素早く捉えます。
• 後半になるにつれ： 「心の読み取り AI」の反応が徐々に強まり、最終的に「なぜそう動いたのか」を深く考え始めます。

比喩で言うと：
脳は「2 階建てのビル」ではなく、**「1 つの大きな部屋」でした。
部屋の中には、まず「カメラマン」が飛び込んで映像をキャッチしますが、すぐに「探偵」も入ってきて、カメラマンの情報を元に推理を始めます。
最初はカメラマンの活動が目立ちますが、時間が経つにつれて探偵の活動も活発になり、最終的には「カメラマンと探偵が協力して、一つの部屋で解決策を出している」**状態だったのです。

5. この研究の重要性

この発見は、私たちが社会をどう理解しているかについての考え方を大きく変えるものです。

• 古い考え方： 「まず映像を見て、それから心を推測する」という、機械的なステップ。
• 新しい考え方： 「映像と心の推測は、脳の中で** inseparable（切り離せない）もの**として、時間差を挟みながら同時に働いている」。

私たちが誰かの行動を見て「あいつ、怒ってるな」と瞬時に判断できるのは、脳が**「物理的な動き」と「心のシミュレーション」を、まるで二重奏のように織り交ぜながら処理しているから**なのです。

まとめ

この論文は、**「脳は、映像を見る場所と心を推測する場所を厳しく分けておらず、両方の機能を組み合わせて、時間の流れの中で柔軟に社会を理解している」**ことを初めて証明しました。

まるで、脳という工場が、単なる「映像の記録係」と「推理の探偵」を別々の部署に置くのではなく、**「映像と推理を両方兼ね備えた万能のスタッフ」**を配置して、社会という複雑なパズルを解いているようなものなのです。

技術概要

論文概要

タイトル: Bottom-up and generative computations uniquely explain neural responses across the social brain
著者: Manasi Malik, Minjae Kim, Tianmin Shu, Shari Liu, Leyla Isik (Johns Hopkins University)
分野: 心理・認知科学、計算機科学、神経科学
キーワード: 社会的知覚、心の理論、生成逆計画、グラフニューラルネットワーク、fMRI

---

1. 研究の背景と課題 (Problem)

人間は、視覚入力から他者の社会的相互作用（協力、競争など）を即座に推論する能力を持っています。このプロセスには、社会的知覚に関与する領域（特に後部上側頭溝：pSTS）と、心的状態推論（心の理論：ToM）に関与する領域（特に頭頂頭蓋接合部：TPJ）が関与していることが知られています。

従来の仮説では、これらの領域は階層的に機能し、役割が厳密に分離されていると考えられていました。

• pSTS: 視覚入力に基づくボトムアップな計算を行い、素早い刺激由来の社会的相互作用の表現を生成する。
• TPJ: 逆計画（Inverse Planning）などのトップダウンな計算を行い、エージェントの背後にある意図や目標を推論する。

しかし、この「計算 - 神経マッピング」を厳密に検証するには、社会的処理を成功裡にモデル化した計算モデル（特にボトムアップ型のモデル）の欠如が障壁となっていました。本研究は、この仮説を実証的に検証し、両領域がどのような計算メカニズムを担っているかを解明することを目的としています。

---

2. 手法 (Methodology)

本研究は事前登録済み（Preregistered）の fMRI 研究であり、以下の構成で実施されました。

A. 刺激と実験デザイン

• 刺激: PHASE データセットから選ばれた、2 つのアニメーションされたエージェントが 2 次元空間で相互作用する 10 秒間の動画（50 動画）。関係性は「友好的」「中立的」「敵対的」の 3 分類。
• 被験者: 成人 25 名（有効データ）。
• タスク: fMRI 内で動画視聴後、関係性を評価するタスク。また、社会的知覚（pSTS）と心の理論（TPJ）を特定するための機能ローカライザータスクも実施。

B. 計算モデル

神経反応を説明するために、2 つの対照的な計算モデルと 2 つのベースラインモデルを比較しました。

1. SocialGNN (ボトムアップ・関係性モデル):
   • グラフニューラルネットワーク（GNN）と LSTM を使用。
   • 視覚情報（エージェントの位置、速度、向き、接触など）をグラフ構造として処理し、関係性を推論。
   • 明示的な信念や目標の推論は行わず、純粋に視覚的・関係的な特徴に依存。
2. SIMPLE (生成・逆計画モデル):
   • 生成逆計画モデル。エージェントの物理的・社会的な目標や関係性に関する仮説を生成し、物理エンジンと階層的プランナーを用いて軌道をシミュレーション。
   • 観測された軌道とシミュレーション軌道を比較し、最も尤もらしい関係性を推論（心の理論に基づく）。
3. ベースラインモデル:
   • Motion Energy: 低次視覚特徴（運動エネルギー）。
   • ControlRNN: SocialGNN と同じ入力を持つが、グラフ構造（関係性バイアス）を持たない再帰型ニューラルネットワーク。

C. 解析手法

• 表現類似性解析 (RSA): 脳領域の神経パターン（RDM: 表現非類似性行列）と、各モデルおよび人間の行動評価の RDM 間の類似性を計算。
• 分散分割 (Variance Partitioning): 半部分相関（Semi-partial correlation）を用いて、他のモデルの効果を統制した上で、各モデルが神経反応に寄与する「独自分散」を算出。
• 時分解解析: 動画視聴中の時間経過（2 秒ごとの 5 ウィンドウ）に伴うモデルとの類似性の変化を追跡。

---

3. 主要な結果 (Key Results)

A. 人間の評価と脳反応の一致

人間の社会的評価（友好的/中立的/敵対的）は、pSTS および TPJ といった社会的脳領域の神経パターンと有意に相関しました。これは、これらの領域が動画の社会的カテゴリーに敏感であることを示しています。低次視覚特徴（運動エネルギー）だけではこの相関を説明できませんでした。

B. 驚くべき発見：両モデルによる両領域の説明

従来の「役割の厳密な分離」仮説に反し、以下の結果が得られました。

• SocialGNN（ボトムアップ）と SIMPLE（逆計画）の両方が、pSTS と TPJ の両方で神経反応を有意に説明しました。
• 分散分割解析の結果、両モデルは pSTS および TPJ において、互いの効果を統制しても「独自分散」を説明していました。
  • つまり、pSTS にはボトムアップ計算だけでなく、逆計画計算のシグナルも含まれており、逆に TPJ にもボトムアップ計算のシグナルが含まれていることが示されました。
• ControlRNN（関係性を持たないモデル）は pSTS や TPJ を説明できず、SocialGNN よりも相関が低かった。 これは、社会的脳が単なる視覚特徴ではなく、「関係性構造」を処理していることを示唆します。

C. 時空間的な階層性ではなく、時間的階層性

時分解解析により、両モデルの神経類似性の時間的ダイナミクスに違いが見られました。

• SocialGNN: 動画の前半から中盤にかけてピークに達し、その後減少するパターン。
• SIMPLE: 時間とともに徐々に増加するパターン。
• 解釈: 空間的な分離（pSTS はボトムアップ、TPJ はトップダウン）ではなく、**「時間的階層性」**が存在する可能性があります。すなわち、両領域とも初期にはボトムアップ処理が優勢で、時間経過とともに高次推論（逆計画）へのシフトが起こっていると考えられます。

---

4. 主要な貢献 (Key Contributions)

1. 社会的脳機能の再定義: 社会的知覚領域（pSTS）と心的状態推論領域（TPJ）が、互いに排他的な役割を担うのではなく、両方ともボトムアップ関係性処理と高次推論計算の組み合わせを実行していることを初めて実証しました。
2. 逆計画モデルと神経活動の初比較: 理論駆動型の認知モデル（逆計画モデル）を fMRI 反応と比較した初の研究であり、理論モデルが社会的シーンの fMRI 反応を予測できることを示しました。
3. 関係性処理の重要性: 単なる視覚特徴の処理ではなく、エージェント間の「関係性」を構造化する計算（GNN のような構造）が、社会的脳反応を説明するために不可欠であることを示しました。
4. 時間的ダイナミクスの解明: 空間的な機能分離ではなく、時間的な処理順序（早期の視覚処理から後期の推論へ）が社会的推論の鍵であることを示唆しました。

---

5. 意義と将来展望 (Significance)

本研究は、人間の社会的推論の神経計算基盤に関する理解を深める重要なステップです。

• 理論的意義: 「ボトムアップ vs トップダウン」という二項対立的な脳機能の捉え方を修正し、両者が時間軸上で協調・競合しながら機能する動的なシステムであることを示しました。
• 技術的意義: 生成 AI や逆計画モデルが、人間の脳活動の予測に有効なツールとなり得ることを実証しました。
• 将来の展望:
  • 高時空間分解能の計測（脳磁図や颅内記録など）を用いて、この時間的シフトが同一領域内での処理か、領域間の迅速な通信によるものかを明確化する。
  • 物理的推論と社会的推論の共通基盤を探る。
  • 発達段階や他の種における社会的推論メカニズムの比較研究への応用。

結論として、社会的脳は単純な階層構造ではなく、ボトムアップの視覚処理とトップダウンの推論的計算が、異なる時間スケールで重なり合いながら機能する複雑なシステムであることが示されました。