Equivalent volitional learning emerges through circuit-specific population dynamics in motor cortex and hippocampus

あなたの脳を、それぞれ独自の建築様式と交通ルールを持つ異なる街区（ネイバーフッド）で構成された巨大な都市だと想像してみてください。そのうちの2つが、運動を司る**運動野（M1）と、記憶を司る海馬（CA3）**です。通常、私たちはこれらの場所は全く異なるものだと考えています。しかし、この研究はある大きな問いを投げかけました。「もし彼らに全く同じ『ミッション』を与えたとしたら、彼らは同じ方法で解決するのでしょうか？ それとも、それぞれ独自の設計図を用いるのでしょうか？」

これを知るために、研究者たちは「ブレイン・コンピューター・インターフェース（BCI）」を用いた巧妙な実験を行いました。これは、マウスが報酬を「思考」によって出現させることを可能にする、リモコンのようなものです。

実験：普遍的なパズル

研究者たちは、マウスに特定のニューロンの集団を制御することを教えました。ルールは単純です。**「もし特定の脳細胞が特定のパターンで光ったら、おやつが現れる」**というものです。

彼らはこの全く同じパズルを、2つの異なる脳の街区に与えました：

1. 運動野 (M1): 滑らかで流れるような動きで知られる街区。
2. 海馬 (CA3): メモリや場所の間を飛び跳ねることで知られる街区。

目標は両者で同一でした。「この特定の細胞を一緒に発火させて、クッキーを手に入れろ」というものです。

結果：同じゴール、異なる経路

マウスは両方の街区において、これを学習しました。彼らはどちらの脳部位を使ってでも、自らの意志で報酬を出現させる方法を見事に理解したのです。これが、タイトルにある「等価な随意学習（equivalent volitional learning）」と呼ばれるものです。彼らは同じ結果を、それぞれの心によって達成しました。

しかし、そこに至るまでの「方法」は驚くほど異なっていました。それはまるで、2つの異なる都市が同じ交通渋滞を解決する方法が違うようなものです。

• 運動野 (M1) では： 脳の活動は川のように流れていました。マウスが学習を開始すると、神経信号は「報酬」の状態に向かって、滑らかで連続的な流れとなって直接進んでいきました。それは、まっすぐで流れるような経路でした。
• 海馬 (CA3) では： 脳の活動は跳ねるボールのように振る舞いました。信号は報酬の状態に向かってジャンプし、その後跳ね返り、「接近と回帰」のループを描きました。それは直線ではなく、ターゲットの周囲をダイナミックに、振動しながら踊るような動きでした。

大きな教訓

この研究は、**「結果」は同じ（マウスがおやつを手に入れたこと）であったものの、「内部の仕組み」**は完全に異なっていたことを明らかにしました。

• 共通のシグネチャー： 両方の街区において、活動は「疎（スパース）」になり（最も重要な細胞だけが発火した）、両者が解決策を見つけるために新しいパターンを探索しました。
• 独自のメカニズム： 違いは、各街区の「交通ルール（結合性）」に起因していました。運動野は連続的に流れるように作られているため、問題を「流れること」によって解決しました。海馬は飛び跳ねるように作られているため、問題を「跳ねること」によって解決しました。

比喩：同じ目的地への2つの道

あなたが地点Aから地点Bまで運転する必要があると想像してください。

• **ドライバー1（運動野）**は高速道路を通ります。彼らは目的地に到着するまで、滑らかに加速しながら直線的に走ります。
• **ドライバー2（海馬）**は曲がりくねった山道を通り、登ったり、引き返したり、少し下がったり、再び登ったりと、目的地に到達する前に何度もループを描きます。

両方のドライバーは同じ場所（報酬）に到着しますが、彼らの運転スタイル（ダイナミクス）は、乗っている道（脳の回路）の造りが異なるため、全く異なります。

結論

この論文は、学習とは脳のあらゆる場所で従われる単一で硬直したレシピではない、と結論づけています。むしろ、それは柔軟なのです。脳は、その特定の街区で利用可能な、手元にあるツールやロードマップを駆使して問題を解決します。この「原理的な縮退（principled degeneracy）」は、自然界にはたった一つの完璧な解決策は必要なく、学習が行われる場所の構造に適合する「何らかの」解決策さえあればよい、ということを意味しています。