Evidence for timing in the midsession reversal task with rats in operant conditioning boxes

ラットはミッドセッション反転課題において局所的な強化の手がかりだけでなく、セッション開始からの経過時間という時間的情報も意思決定に統合して利用していることが、インタートライ間隔の操作実験によって示された。

要約

🕵️‍♂️ 物語の舞台：ラットの「真ん中でルールが変わる」ゲーム

まず、実験の舞台となる「中セッション反転（MSR）タスク」というゲームのルールを想像してください。

1. ゲームのセットアップ：
   ラットは箱の中にいて、左右に**「赤いボタン（S1）」と「青いボタン（S2）」**があります。
2. 前半（1〜40 回）：
   「赤いボタン」を押すと美味しいおやつがもらえます。「青いボタン」はただの空振りです。
   → ラットはすぐに「赤いボタン」が正解だと学びます。
3. ある日突然、ルールが変わる！（41 回目から）：
   誰にも知らせずに、ルールが逆転します。今度は**「青いボタン」**がおやつをくれます。
4. ゴール：
   ラットは、いつルールが変わったか気づいて、ボタンを切り替えられるでしょうか？

---

🐦 鳥と 🐭 ラットの「性格の違い」

このゲームは以前、**鳥（鳩など）**でも行われました。

• 鳥の行動：鳥たちは「おやつの前」にルールが変わることを**「時計」で予測していました。「もう 40 回経ったから、そろそろ青いボタンかな？」と、まだ赤いボタンが正解の時期なのに、「早くも青いボタンを押してしまう（予期せぬミス）」**ことが多かったです。

  • → 鳥は**「時間」**に頼りすぎていました。

• ラットの行動（これまでの常識）：
  一方、ラットは非常に賢く、**「直前の結果」**だけで動いているように見えました。

  • 「赤いボタンで当たった→次も赤いボタン」
  • 「赤いボタンで外れた→次は青いボタンに変えよう！」
  • → ラットは**「時間」を無視して、完璧に近い成績**を出していました。つまり、「ラットは時計を使わず、ただの『当たりはずれ』で動いている」と考えられていたのです。

---

🧪 今回の実験：ラットの「隠れた能力」を暴く

研究者たちは、「本当にラットは時間を無視しているのか？それとも、**『隠れた時計』**を持っているだけなのか？」と疑いました。

そこで、**「ゲームのテンポ（間隔）」**を操作するトリックを使いました。

• A 組（速いテンポ）：ボタンを押す間隔が5 秒（ゲームがサクサク進む）。
• B 組（遅いテンポ）：ボタンを押す間隔が10 秒（ゲームがゆっくり進む）。

重要なのは：ルールが変わるのは「41 回目」の**「回数」で決まっていますが、「時間」**では A 組は約 5 分、B 組は約 9 分かかるということです。

🎭 実験のトリック：テンポを逆転させる

学習が終わった後、研究者たちはある日突然、A 組と B 組のテンポを入れ替えてテストを行いました。

• A 組（速い子）：急に**「遅いテンポ（10 秒）」**にされた。
  • 結果：「えっ、まだ 20 回しか経ってないのに、もう 5 分も経ってる！？ルールが変わったはずだ！」と、まだルールが変わる前なのに、早くも青いボタンに切り替えてしまったのです。
• B 組（遅い子）：急に**「速いテンポ（5 秒）」**にされた。
  • 結果：「あれ？ルールが変わるはずの 41 回目は、まだ 5 分しか経ってない？まだ早い！」と、ルールが変わった後も、赤いボタンを押し続けてしまったのです。

---

💡 結論：ラットは「二刀流」だった！

この結果から、研究者たちはこう結論づけました。

「ラットは、実は『時間』も『当たりはずれ』も、両方使っていた！」

• 普段（学習中）：
  「当たりはずれ（直前の結果）」という**「強力な手掛かり」**が優先されます。だから、時計の針がどうなっていようとも、正解のボタンを押し続け、完璧な成績を出せるのです。

  • 例えるなら：「ナビゲーター（時間）」が「左に行け」と言っても、「運転手（直前の結果）」が「右に行け」と言う方が強いので、運転手の言うことを聞く状態です。

• テスト中（テンポが変わった時）：
  突然テンポが変わると、「直前の結果」だけでは判断できなくなります。すると、**「隠れていた時計（時間）」**が顔を出し、「あれ？時間が経ちすぎたから、ルールが変わったはずだ！」と判断を変えてしまうのです。

🌟 まとめ：どんなに賢く見えても、ラットは時間を覚えている

この研究は、ラットが単なる「反射的な機械」ではなく、「時間の流れ」を記憶し、それを行動に組み込んでいることを示しました。

• 鳥は「時間」に頼りすぎて、ミスをする。
• ラットは「時間」と「結果」のバランスを取りながら、状況に合わせて使い分けている。

まるで、**「普段は『直感（結果）』だけで運転しているが、道が急に変わると『時計（時間）』を見てルートを変更する、賢いドライバー」**のようなものです。

ラットは、私たちが思っていた以上に、「時間」という見えない糸で行動をコントロールしていたんですね。

技術概要

以下は、提供された論文「Evidence for timing in the midsession reversal task with rats in operant conditioning boxes（ラットのオペラント条件付け箱におけるセッション中反転課題における時間的証拠）」の技術的な要約です。

1. 研究の背景と問題提起

**中セッション反転課題（Mid-Session Reversal: MSR）**は、動物の行動の柔軟性と意思決定戦略を研究するために広く用いられている課題である。典型的な MSR 課題では、80 試行のうち前半 40 試行で刺激 S1 が、後半 40 試行で刺激 S2 が強化される。反転（41 試行目）には事前の合図がない。

• 鳥類（鳩など）の行動: 反転点の前後で「予期誤り（反転前に S2 を選ぶ）」や「持続誤り（反転後も S1 を選び続ける）」が多く見られ、これはセッション開始からの経過時間に依存した戦略（時間ベース戦略）を示唆している。
• ラットの行動（従来の知見）: オペラント条件付け箱で訓練されたラットは、反転点でほぼ最適に近いパフォーマンスを示し、誤りが少ない。これはラットが局所的な強化の手がかり（直前の試行の結果：Win-Stay/Lose-Shift 戦略）のみに依存していると考えられてきた。

本研究の疑問点:
ラットは本当に時間的手がかりを全く利用していないのか、それとも局所的な手がかりが優勢なため時間的手がかりが隠れているだけなのか？本研究では、ラットが MSR 課題において局所的な手がかりだけでなく、時間的情報も意思決定に統合している可能性を検証した。

2. 研究方法

対象動物:

• 雄性 Wistar ラット 14 匹。
• 2 群（Short 群、Long 群）に無作為に割り当てられた（各群 7 匹）。

実験装置と手順:

• オペラント条件付け箱（Med-Associates 製）を使用。
• 2 つのレバー（左右）と、それぞれに対応する 2 つの視覚刺激（S1: 定常点灯、S2: 点滅）。
• 訓練条件:
  • Short 群: 試行間隔（ITI）5 秒。
  • Long 群: 試行間隔（ITI）10 秒。
  • 反転点は常に第 41 試行に固定。
  • 反転前は S1 選択、反転後は S2 選択が強化される。
  • ITI 中のレバー押しはタイマーをリセットする（初期訓練段階）。

プローブテスト（3 段階の実験）:
訓練後の定常状態において、ITI を操作してラットの戦略を調査した。

1. Test 1（ITI の変更）:
   • Short 群：ITI を 10 秒に変更（セッションペースが半分になる）。
   • Long 群：ITI を 5 秒に変更（セッションペースが倍になる）。
   • 反転点は試行数 41 に固定。
2. Test 2（ITI リセットの解除）:
   • ITI 中の反応がタイマーをリセットしないように変更し、セッション時間のばらつきを減らした。
3. Test 3（強化条件の調整）:
   • 時間的手がかりと局所的な手がかりの矛盾を最小化するため、強化条件を調整した（例：Short 群では早期の S2 選択が強化されるように変更）。

データ解析:

• S1 選択の確率（PS1）を「試行数」と「セッション経過時間」の関数として分析。
• 主観的等価点（PSE: 50% 選択点）と弁別限界（DL）をロジスティック回帰で推定。

3. 主要な結果

A. 訓練期間（ベースライン）:

• 両群とも学習速度と最終的な精度（約 92%）に差はなく、反転点で急激に選択が切り替わる「Win-Stay/Lose-Shift」戦略に近いパフォーマンスを示した。
• 試行数ベースでは両群の曲線が重なるが、時間ベースでプロットすると、Short 群は約 5 分、Long 群は約 9 分で反転点に到達しており、時間経過の速度が異なることが確認された。

B. テスト結果（ITI 操作の影響）:

• Short 群（ITI 5s→10s）:
  • 反転点（試行 41）よりもはるかに早く S2 への選択を開始した（予期的な誤り）。
  • 時間的な手がかり（セッション開始からの経過時間）に基づいて行動を調整していることが示唆された。
• Long 群（ITI 10s→5s）:
  • 反転点（試行 41）よりも遅く S2 への選択に切り替わった（持続的な誤り）。
  • 本来の訓練時の時間感覚（約 9 分）に基づいて行動しており、試行数が 41 に達しても時間的指標が「反転時」に達していないため、S1 選択を継続した。
• PSE の分析:
  • 両群とも、訓練時の PSE（試行数ベース）から大きく逸脱し、訓練時の「時間的 midpoint」に合わせて選択がシフトした。
  • 統計的に、群（Short/Long）と条件（訓練/テスト）の交互作用が有意であった。

C. 局所的な手がかりとの競合:

• Test 3 では、時間的手がかりと局所的な強化手がかりの矛盾を調整した。
  • Short 群では、時間的に S2 に切り替えるべき時期に S2 が強化された場合でも、完全な早期切り替えは起こらなかった（局所的な手がかりの影響）。
  • Long 群では、S1 の強化が反転点（試行 80）で止まった Test 3 のみ、ラットは完全に S2 に切り替わった。これは、局所的な手がかり（S1 が強化され続けること）が時間的手がかりを覆い隠していたことを示す。

4. 主要な貢献と結論

1. ラットの「隠れた」時間的制御の解明:
   従来の「ラットは局所的な手がかりのみを使う」という解釈を修正し、ラットも MSR 課題において時間的情報を学習し、利用していることを実証した。
2. 混合戦略の提示:
   ラットは「Win-Stay/Lose-Shift（局所的）」と「時間ベース（全球的）」の2 つの戦略を統合した混合戦略を採用している。通常条件（訓練）では局所的な手がかりが優勢で誤りが少ないが、時間的手がかりと局所的な手がかりが矛盾する状況（ITI の変更など）では、時間的手がかりが顕在化する。
3. 鳥類と哺乳類のギャップの縮小:
   鳥類は時間的手がかりに強く依存して誤りを犯すが、ラットは局所的な手がかりが優勢なため最適に近いパフォーマンスを示す。しかし、ラットも時間的手がかりを学習しており、条件次第で発現することがわかった。これは両者の認知メカニズムの根本的な違いではなく、戦略の重み付けの違いであることを示唆する。

5. 意義

本研究は、行動の最適性（誤りの少なさ）が、時間的学習の欠如を意味するわけではないことを示した。ラットはタスクの時間的構造を暗黙的に学習しており、それが局所的なフィードバックと競合する状況で初めて顕在化することを明らかにした。これは、学習と記憶における時間的関係の重要性を再確認するものであり、動物の意思決定メカニズムに関する理解を深める重要な知見である。