A hierarchy of spatial predictions across human visual cortex during natural vision

7T fMRI を用いた自然視覚の研究により、視覚野全体で予測可能性が反応を減弱させることが示され、中心視野では V1 から高次領域へと抽象度が高い予測が階層的に機能する一方、周辺視野では V1 であっても高次予測に反応するという、視覚野における予測メカニズムの領域別二重性を明らかにしました。

要約

この研究論文は、**「人間の脳が、日常の景色を見ているとき、どのように『予想』をしているのか」**という不思議な問いに、最新の技術を使って答えを出したものです。

まるで**「脳という巨大な予測マシン」**が、目の前の世界をどう処理しているかを解き明かす物語です。

以下に、専門用語を排し、わかりやすい比喩を使って解説します。

---

🧠 脳の「予想」ゲーム：中央と周辺ではルールが違う？

私たちが何気なく景色を見ているとき、脳はただカメラのように映像を写しているだけではありません。脳は常に**「次は何が見えるだろう？」「ここはどんな色や形だろう？」**と未来を予測しながら動いています。

しかし、この「予想」のやり方は、「どこを見ているか（中心か、端か）」によって全く違うことがこの研究でわかりました。

1. 中心視野（まっすぐ見たところ）：「階層式」の精密な予想

私たちがまっすぐ見て、細部を認識している場所（中心視野）では、脳は**「ピラミッド型の階層構造」**で予想をしています。

• イメージ： 大きな建設現場を想像してください。
  • 一番下の階層（V1 などの初期領域）： 職人たちが「レンガの形」や「壁の模様」といった小さなパーツの予想をしています。「ここはレンガが並んでいるはずだ」というレベルです。
  • 上の階層（V2, V3, V4）： 監督たちが「建物の外観」や「窓の配置」といった大きな全体像の予想をしています。
• 発見： 中心で見ているときは、脳の下の部分は「細かい模様」の予想に、上の部分は「大きな意味」の予想にそれぞれ特化していました。これは、昔から言われていた「脳は下から上に情報を積み上げていく」という古典的な理論と一致します。

2. 周辺視野（端の方で見たところ）：「ハイエンド」な予想

では、まっすぐ見ずに、端の方（周辺視野）で景色を捉えているときはどうでしょうか？ここが驚きです。

• イメージ： 遠くから霧の中にいるような状態です。細部は見えませんが、全体像はなんとなくわかります。
• 発見： 端の方では、脳のどの部分（初期の領域さえも）が「大きな意味」や「高いレベル」の予想をするようになっていることがわかりました。
  • つまり、端の方では「レンガの模様」なんて細かいことは予測せず、最初から「これは森だ」「これは建物だ」という全体像を予測しているのです。
  • 以前の研究（マウスやサルを使ったもの）では「脳は常に高いレベルで予想している」と言われていましたが、実はそれは**「端の方（周辺視野）の話」**だったのかもしれません。

🎯 なぜこんな違いがあるの？

脳はなぜ、場所によって予想のルールを変えるのでしょうか？

• 中心（まっすぐ見る）： ここは**「何を見ているか」を正確に識別する場所です。誰の顔か、何の文字か、細部まで見極める必要があるため、「細かい部分から全体へ」**と段階的に予想して、曖昧さを消し去る必要があります。
• 周辺（端を見る）： ここは**「今、どこを見ればいいか」を素早く決める場所です。細部は見えなくても、「あそこに何か危険なものがあるかも」「あそこは道だ」といった大きな意味を即座に掴む必要があります。そのため、細かいことは捨てて、「高いレベルの予想」**だけで素早く処理する方が効率的なのです。

🛠️ 研究のすごいところ：AI と 7 テスラ MRI のコラボ

この研究では、2 つの最先端技術を組み合わせて、73,000 枚もの自然な写真を見ている人の脳をスキャンしました。

1. AI（生成モデル）： 「この画像のこの部分は、周りの景色から考えて、どんな絵柄になるはずか？」を AI に予測させました。AI が「予想した絵」と「実際の絵」がどれだけ違うかを測ることで、「どれくらい予測しやすかったか（予測不可能性）」を数値化しました。
2. 7 テスラ MRI： 非常に高解像度の脳スキャンで、人間の脳がその画像を見たときに、どの部分がどれだけ反応したかを記録しました。

その結果、**「予想しにくい（意外な）ものほど、脳の反応が強くなる」**という現象が、脳のあちこちで確認されました。これは、脳が「予想外のこと」に注意を向けている証拠です。

💡 まとめ：脳は「状況に応じて使い分ける」天才

この研究が教えてくれる最大のメッセージは、**「脳は一つのルールで動いているわけではない」**ということです。

• 中心で見ているときは： 古典的な「下から上へ」の積み上げ式で、細部まで精密に予想する。
• 端で見ているときは： 最新の AI が言うように、「高いレベル」でざっくりと予想する。

つまり、「脳が何を予想しているか？」という答えは、「どこを見ているか」によって変わるのです。

これは、私たちが日常で「細部を注意深く見る」ことと、「周囲の状況をざっくり把握する」ことを、脳が状況に応じて使い分けていることを示しています。脳は、エネルギーを無駄にせず、最も効率的な方法で世界を予測する天才的なシステムだったのです。

技術概要

この論文「A hierarchy of spatial predictions across human visual cortex during natural vision（自然視覚における人間の視覚野における空間的予測の階層構造）」の技術的サマリーを以下に記述します。

1. 研究の背景と問題意識

視覚知覚における「予測（prediction）」は、神経科学および人工知能（AI）の理論において基盤的な概念ですが、以下の 2 つの根本的な疑問が未解決でした。

1. 予測の自動性: 予測は自然な視覚処理中に常時自動的に発生するのか、それとも特定の課題や困難な条件下でのみ戦略的に発動されるのか？
2. 予測の抽象度: 脳はどのレベルの抽象度で予測を行っているのか？
   • 古典的な予測符号化（Predictive Coding）理論：早期の視覚野は低次特徴（エッジなど）の予測誤差に敏感で、後続の領域は高次特徴（物体など）の予測誤差に敏感であるという「階層的対応」。
   • 逆階層理論や最近の AI 研究（自己教師あり学習など）：早期の視覚領域さえも、高次抽象レベルでの予測に主に敏感であるという仮説。

これまでの研究は、人工的な実験課題（キューイングやオッドボール課題など）に依存しており、自然な視覚刺激下での一般化可能性や、予測が自動的に発生するかどうかの検証が不十分でした。

2. 研究方法

本研究は、自然視覚下での空間的予測を定量化し、脳活動との関係を解明するために、以下の手法を組み合わせました。

• データセット: 自然景観データセット（NSD）を使用。8 名の被験者が 73,000 枚の自然画像を閲覧した際の 7T 高解像度 fMRI 記録データ。
• 空間的予測性の定量化（生成 AI モデル）:
  • 画像の中央部分（1 度視野）をマスクし、周囲の文脈からその部分を「修復（inpainting）」する深層生成モデル（Partial Convolution U-Net）を訓練・使用。
  • 実際の画像パッチとモデルによる予測（修復）画像の差分を計算し、「空間的予測不可能性（spatial unpredictability）」スコアを算出。
  • この差分を、VGG-16 などの深層ニューラルネットワークの各層（低次特徴から高次特徴まで）の表現空間で計算し、抽象度レベルごとの予測不可能性を評価。
• 脳活動との関連付け:
  • 視覚野（V1-V4）の各ボクセルの受容野（pRF）が画像の中央パッチ内にあるものを選択。
  • 低次特徴（Gabor フィルタ出力）を基線モデルとして制御し、予測不可能性スコアが脳活動（BOLD 応答）を説明する独自分散を評価（リッジ回帰）。
  • 偏心度（Eccentricity）の分析: 中心視（fovea）と傍中心視（parafovea、2 度偏心）で同様の分析を行い、視覚野の位置による違いを比較。

3. 主要な結果

A. 自然視覚における空間的予測の存在

• 視覚野全体（V1-V4）において、予測不可能性が高い入力（予測しにくい画像）ほど、脳活動が強く反応する（期待抑制：expectation suppression）ことが確認されました。
• 低次特徴（コントラストなど）を制御しても、予測不可能性は脳応答の変動を説明する追加的な分散をもたらしました。これは、自然視覚中にも予測が自動的かつ継続的に発生していることを示唆します。

B. 中心視における予測の階層構造

• 古典的予測符号化の支持: 中心視（fovea）において、視覚野には明確な階層性が存在しました。
  • V1: 低次レベルの予測不可能性（エッジやテクスチャの細部）に最も敏感。
  • V2-V4: 視覚野が進むにつれて、高次レベルの予測不可能性（物体や構造的な意味）に敏感になる。
  • この傾向は、視覚情報の入力側（ボトムアップ）の機能特徴勾配と平行しており、古典的な予測符号化モデルと一致します。

C. 偏心度による予測レジームの転換

• 予測効果の増幅: 傍中心視（peripheral vision）では、予測不可能性による脳応答の modulation（調節）効果が中心視よりも大幅に強まりました（V1 で約 8% から 65% へ増加）。
• 高次抽象度へのシフト: 傍中心視では、予測の階層性が崩れ、V1 であっても高次レベルの予測不可能性に最も敏感であることが示されました。
• 特徴の選択性: この偏心度依存の変化は「予測」に特異的であり、画像特徴そのものに対する感度（ボトムアップ特徴エンコーディング）には同様の偏心度依存性は見られませんでした。

4. 主要な貢献と意義

1. 自然視覚下での予測の普遍性の実証:
   人工的な実験条件ではなく、73,000 枚の自然画像を用いることで、予測が自然な視覚処理の不可欠な部分であることを実証しました。

2. 視覚野の予測レジームの二重性の解明:
   従来の対立する仮説（「早期領域は低次予測」「早期領域は高次予測」）を統合しました。

   • 中心視: 高解像度で信頼性の高い入力に対し、古典的な階層的予測（低次から高次へ）を実行して詳細な推論を行う。
   • 周辺視: 解像度が低く不確実性の高い入力に対し、早期領域であっても高次抽象レベルでの予測に依存する（効率的な処理）。
   • これにより、神経科学の古典的理論と、最近の AI や動物実験で示唆された「高次予測優位」の知見が、視覚野のどの部位を測定するか（偏心度）によって矛盾していたことが説明されました。

3. 生成 AI と脳科学の融合:
   深層生成モデル（画像修復）を用いて「予測」を定量化し、それを fMRI データと直接対応させることで、脳が「何を」予測しているかを抽象度レベルで解像度高くマッピングする新しい手法論を確立しました。

5. 結論

人間の視覚系は、視野の位置（中心視か周辺視か）に応じて異なる予測戦略を採用しています。中心視では詳細な推論を可能にする多段階の階層的予測が行われますが、周辺視では不確実性に対処するため、早期の視覚領域であっても高次抽象レベルでの予測に特化しています。この発見は、予測処理理論および自己教師あり学習モデルの設計において、視覚情報の信頼性（確度）に応じた予測レジームの適応的切り替えの重要性を示唆しています。