Synaptic Plasticity as a Function of the Temporal Derivative

あなたの脳を、学習し適応しようと絶えず試行錯誤している、ニューロンがひしめき合う巨大で賑やかな都市だと想像してみてください。長い間、科学者たちはある疑問を抱いてきました。私たちの最も高度な人工知能（AI）が学習に用いるのと同じ「魔法の公式」を、脳も使っているのだろうか？、と。その公式とは「バックプロパゲーション（誤差逆伝播法）」と呼ばれるもので、基本的には、間違いを確認し、次回より良くするために接続を調整する方法のことです。

この論文は、脳がこれと非常によく似たことを行うための、巧妙なショートカットを持っている可能性を示唆しています。それは、「時間的微分（temporal derivative）」という概念を用いたものです。平易な言葉で言えば、これは単に、ある一瞬における活動の大きさや強さを見るのではなく、「物事が時間の経過とともにどれくらいの速さで変化しているか」を見ることを意味します。

実験：時間との戦い

これを検証するために、研究者たちはマウスの脳組織のスライスを用いたペトリ皿の中での小さな実験を行いました。彼らは、脳活動の「変化の方向」が、接続に対して、その結合を強めるべきか弱めるべきかを伝えることができるのかどうかを調べたかったのです。

学習サイクルの一つの「鼓動」として、200ミリ秒の窓（ほんの一瞬）を想定してください。彼らはこの鼓動を、前半の100ミリ秒と後半の100ミリ秒の二つに分けました。

彼らは、二つの要素を組み合わせることで、4つの異なるシナリオを作成しました：

1. 「送り手」のニューロンがどれくらい速く発火したか（毎秒25拍の低速、または毎秒50拍の高速）。
2. 「受け手」のニューロンがどれくらい興奮していたか（低電圧、または高電圧）。

彼らはこれらすべての組み合わせをテストしました：

• シナリオA（上昇）： 送り手がゆっくりと始まり、その後加速した。受け手は穏やかに始まり、その後非常に興奮した。（低 $\rightarrow$ 高）
• シナリオB（下降）： 送り手が速く始まり、その後減速した。受け手は非常に興奮した状態から始まり、その後穏やかになった。（高 $\rightarrow$ 低）
• シナリオC（横ばい）： 送り手が全期間を通じて、低く安定したペースを維持した。（安定した低）
• シナリオD（プラトー）： 送り手が全期間を通じて、速く安定したペースを維持した。（安定した高）

結果：重要なのは「傾向」である

以下に、脳が活動の「傾向」を追跡しているという考えを支持する結果を示します。

• 上昇（低から高へ）： 活動がロケットの打ち上げのように上昇しているとき、ニューロン間の接続は強くなりました。脳科学において、これは**LTP（長期増強）**と呼ばれます。これは、脳が「おっと、状況が激しくなってきているぞ！この経路を強化して、これを記憶しておこう」と言っているようなものです。
• 下降（高から低へ）： 活動が丘を転げ落ちるボールのように下降しているとき、接続は弱くなりました。これは**LTD（長期抑圧）**と呼ばれます。脳は実質的に、「事態は収束に向かっている。この接続を緩めておこう」と考えているのです。
• 横ばい（安定した低、または安定した高）： これが最も興味深い部分です。ニューロンが非常に高い一定の割合で発火していたとしても（シナリオD）、変化は起きませんでした。接続は全く同じ状態を維持しました。

大きな教訓

鍵となる教訓は、脳は単に「どれだけの」活動が起きているかに関心があるのではなく、「その活動がどのように動いているか」に関心を持っているということです。

ステレオの音量つまみを想像してみてください：

• 音量をゆっくりと上げていくと、脳はその変化に気づき、接続を強化します。
• 音量をゆっくりと下げていくと、脳は接続を弱めます。
• しかし、音量つまみを最大のまま動かさずに放置した場合、脳はそれを無視します。たとえ音楽が大音量であっても、学習は起こりません。

この論文は、この単純なメカニズム――活動の「上昇」または「下降」の傾向を見守ること――が、中央のコンピュータでエラーを計算することなく、AIが学習に用いる複雑な数学を近似するための、脳のやり方である可能性があると結論付けています。それは、ニューロンがいつ握力を強め、いつ力を緩めるべきかを知るための、局所的で自動的な方法なのです。