Curiosity shapes brain-like architectures and functions
本論文は、乳幼児のような好奇心と脳のような生物物理学的制約を組み合わせることが、人工ニューラルネットワークにおいて、構成的汎化といった複雑な神経構造や認知能力の創発を駆動させるのに十分であることを実証している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
人間の精神は、無限の可能性に満ちた場所である。一握りの単純な構成要素から、私たちは無限の思考を構築し、遠い未来を計画し、絶えず変化し続ける世界を理解することができる。1世紀以上にわたり、科学者たちはこの現象を可能にする行動や脳回路の解明を進めてきたが、依然として根本的な謎が残っている。それは、単純なパーツから成るシステムがいかにして、これほどまでに深遠な複雑さを備えた「心」へと進化するのかという問いである。一つの長年の説によれば、脳にはあらゆる答えがあらかじめ組み込まれているわけではない。むしろ、生物学的な限界と、時間をかけて蓄積される経験との相互作用を通じて、自律的に形作られていく（自己組織化する）のではないかとされている。しかし、この理論を生身のヒトの脳で検証することは不可能である。子供の好奇心を剥ぎ取ったり、脳の配線を組み替えたりして、何が起こるかを見ることはできないからだ。このパズルを解くために、研究者たちは別の種類の実験室、すなわちコンピュータ・シメレーションへと目を向けた。特定のルールに従う人工的な脳を構築することで、科学者たちは単純さから複雑さが立ち上がる様子を観察し、私たちの精神がいかにして形作られたのかを知るための窓を得ることができるのである。
新しい研究において、研究者たちは、二つの特定の要素があれば「心を持つような機械」を構築できるかどうかを検証することに乗り出した。彼らは、ニューロンの接続方法を模倣するように設計されたコンピュータ・プログラムである人工ニューラルネットワークの集団を取り上げ、そこに二つの人間らしい特性を与えた。第一の特性は、乳幼児が世界を探索する方法をモデルにした「好奇心」である。第二の特性は、遠く離れた部位の間に長い接続を作るために必要なエネルギーといった、実際の脳が直面する生物学的なコストを模した「物理的制約」である。研究者たちは、これら二つの要因が共に作用することで、人工的なネットワークが人間の脳に見られるような複雑な構造と能力を発達させることができるのかどうかを知りたかったのである。
好奇心の本質を捉えるため、チームはまず、生後8か月から15か月の乳児275人を対象に調査を行った。彼らが画面上の視覚的なパターンをどのように注視し、どのような時に視線を外すのかを詳細に観察した。研究者たちは、乳児の行動がランダムではないことを発見した。むしろ、彼らは食料を探す「採餌者」のように振る舞っていたが、その「食料」とは新しい情報であった。赤ん坊は、そのパターンが自分に何か新しいことを教えてくれる限り、関心を持ち続けた。パターンが新鮮な洞察を与えなくなり、学習が進まなくなった瞬間、彼らは関心を失い、次の対象へと移っていった。この行動は、エコロジーにおける「限界値定理（marginal value theorem）」という原理に合致している。これは、環境における平均的なリターンを下回った場合に、エージェントはその資源から離れるべきであるという予測である。研究者たちはこのルールをコンピュータ・アルゴリズムへと翻訳し、人工的なネットワークがその瞬間にどれだけ学習しているかに基づいて、タスクを切り替える判断を行えるようにした。
二つ目の要素は、ネットワークの物理的な配置に関するものである。実際の脳は単なるニューロンの袋ではなく、長い接続を作るコストが高く、維持が困難な頭蓋骨の中に詰め込まれている。これを模倣するため、研究者たちは人工的なネットワークを、人間の脳の実際の幾何学的形状に一致する仮想空間内に配置した。そして、ネットワークが長距離の接続を作成することに対してペナルティを課し、進化が人間の脳に強いてきたのと同様に、効率性を強制した。その後、彼らはこれらのネットワークに対し、単純なマッチングゲームから複雑な意思決定の課題に至るまで、20種類の異なる認知タスクのセットを用いてトレーニングを行った。ネットワークは、好奇心アルゴリズムによって次に練習するタスクを自由に選択できる一方で、物理的な配線コストによる制約も受けていた。
結果は驚くべきものであった。好奇心と物理的制約を組み合わせたネットワークは、単にタスクを学習しただけでなく、人間の脳と酷似した内部構造を発達させた。彼らの接続は、人間の脳の特化した領域のように、明確な「モジュール」へと自己組織化され、さらに、人間の精神における効率的な通信に不可避な特徴である、高度に接続されたハブである「リッチクラブ（rich club）」を形成した。これらのネットワークはまた、人間の成長を反映した発達経路を辿った。人間の脳が幼少期に接続の爆発的な増加を経験し、その後、成人期まで続く慎重な「剪定（pruning）」のフェーズに入るのと同様に、これらの人工的なネットワークも接続密度の増減を示した。人間の脳の構造に最もよく一致したネットワークは、最も人間らしい認知パフォーマンスのパターンも見せ、加齢とともに能力が向上し、その後徐々に低下するという、人間の能力の推移と同様の動きを見せた。
おそらく最も重要な点は、これらの人間らしいネットワークが、複雑な人間の思考の象徴である「学習した内容を再結合する能力」を示したことである。研究者たちは、ネットワークの内部接続を固定した状態で、以前学習したタスクが混ざり合った新しい問題を解かせ、この能力をテストした。例えば、あるネットワークが「注意を逸らすものを避けること」を学び、「意思決定を行うこと」を学んでいた場合、その両方を必要とする新しいタスクを即座に解決できるだろうか。好奇心と物理的制約によって駆動されたネットワークは、これらの新しい組み合わせを迅速に解決した。彼らは基礎的なことを学び直す必要はなく、すでに構築した内部ツールを単に再結合しただけであった。対照的に、好奇心なしに学習したネットワークや、物理的制約なしに学習したネットワークは、これらの結合を行うことに苦戦した。
この研究は、好奇心が単に複雑な脳を持つことの副産物ではなく、その複雑さを構築する「原動力」であることを示唆している。新しい情報を能動的に求め、それがもはや有用でなくなった時に停止することで、エージェントは自らの内部構造を形作るのである。この好奇心が生物学的システムの物理的限界と組み合わさったとき、その結果として、柔軟で人間らしい思考が可能な構造が生まれる。これらの知見は、精神がいかにして立ち上がるかについて新たな視点を提供するものである。つまり、複雑な認知への道は、より大きく強力なシステムを構築することにあるのではなく、単純な制約と能動的な探索が時間をかけて展開していくプロセスにあるということを示唆している。このアプローチは、生物学と経験の相互作用がいかにして、人間の経験を定義づける無限の思考の範囲を生み出すのかを理解するための、検証可能な枠組みを提供している。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。