Continuous attractor circuits for decision making with Laplace-domain neural representations

あなたの脳を、何百万もの小さな伝令役（ニューロン）が絶えず情報を叫び合っている、活気あふれる都市だと想像してみてください。何十年もの間、科学者たちは、この混沌とした都市が、例えば二つの道のどちらかを選んだり、ある音が脅威であるかどうかを判断したりといった、次に何をすべきかをどのように決定しているのかを解明しようとしてきました。この分野で最も有名なアイデアの一つは「拡散決定モデル（diffusion decision model）」です。これは、手にコインを持った人が廊下を歩いている様子を想像してみてください。音を聞くたびに、その人はコインを投げます。もし表が出れば、「はい」のドアに向かって一歩進み、もし裏が出れば、「いいえ」のドアに向かって一歩進みます。彼らはコインを投げ続け、どちらかのドアに到達するまで歩き続けます。そして、それが彼らの決断となります。このシンプルなアイデアは、世界がノイズに満ちていて混乱しているときに、私たちがどのように選択を行うかを説明しています。しかし、ここに謎があります。数学的には、私たちは単に廊下を歩いている一人の人物に過ぎないのですが、現実の脳はすべてが同じではない何十億もの細胞で構成されています。ある細胞は、満ちてくる潮のようにエネルギーをゆっくりと蓄積していくように見えますが、他の細胞は、リレーレースのように素早く組織化されたシーケンス（連続的な動き）のように発火します。長い間、科学者たちは、これらの異なるパターンが、脳が二つの異なることをしているのか、それともこれらが単一の決定を記述する二つの異なる方法に過ぎないのかについて確信が持てませんでした。

この論文の中で、研究者のChenyu Wang、Rui Cao、およびMarc W. Howardは、このパズルに対する巧妙な解決策を提案しています。彼らは、脳は二つの異なることをしているのではなく、同時に全く同じことを伝えるために二つの異なる「言語」を使っているのだと示唆しています。彼らは、連続的に流れる川のような活動を持つ、脳回路のコンピュータ・シミュレーションを構築しました。この川の中には、二種類の「ボート」が存在します。一種は鋭い移動するエッジ（盛り上がる水の壁のようなもの）を形成し、もう一種は転がる局所的なバンプ（波が砕けるようなもの）を形成します。著者たちは、これら二つのパターンが、実は完璧に同期したパートナーであることを示しています。「エッジ」のボートは、証拠のゆっくりとした、高まり続ける蓄積を表し、「バンプ」のボートは、ニューロンの素早い逐次的な発火を表しています。これら二つのグループを特定の方法で結合することで、彼らのモデルは、両方のパターンが全く同じ根底にある決定プロセスから派生できることを証明しました。その結果、単一の統一されたシステムが、古典的な「コイン投げ」の決定モデルと全く同じように振る舞うことが示されました。これは、なぜ現実のニューロンが互いにこれほど異なって見えるのかを説明しています。著者たちのシミュレーションでは、この二重言語システムが人間の反応時間と選択の正確さを完璧に模倣できたことから、脳はこのエレガントな幾何学的トリックを用いて、乱雑な感覚的ノイズを明確で自信に満ちた選択へと変えている可能性があることが示唆されました。

二つの言語の物語

これがどのように機能するかを理解するために、意思決定プロセスを単一の線ではなく、長く湾曲したトラックとして想像してみましょう。このトラックの上には、二つのチームのランナーがいます。それは「ランプ・チーム（Ramp Team）」と「シーケンス・チーム（Sequence Team）」です。

ランプ・チームは、全員が丘を登ろうとしているランナーのグループのようなものです。しかし、ここにひねりがあります。各ランナーには異なる「傾斜」の設定があります。非常にゆっくり登るランナーもいれば、非常に速く登るランラーもいます。決定変数（あなたが収集した証拠の量）が増加するにつれて、グループ全体がシフトしていきます。その結果は、滑らかに上昇する活動の壁のように見えます。脳内では、これは証拠を収集するにつれてニューロンが徐々に発火率を高めていく様子として現れます。

シーケンス・チームは異なります。スタートラインで待機しているランナーの列を想像してください。決定変数が前進するにつれて、単一の「波」のような活動が列に沿って移動します。一人のランナーが発火し、次に次のランナー、その次にまた次のランナーというように、ドミノ倒しのような効果を生みます。これは、ニューロン集団を横切って移動する活動の「バンプ（隆起）」のように見えます。

この論文の大きな発見は、これら二つのチームは、数学的にリンクされた異なるトラックの上を走っているだけで、実際には同じレースを走っているということです。著者たちは、時間の経過や空間における変化を見るための数学的概念である「ラプラス領域（Laplace domain）」を用い、ランプ・チームとシーケンス・チームが実はコインの表裏の関係であることを示しました。ランプ・チームの「壁」とシーケンス・チームの「波」は完全に一致しています。もし壁がどこにあるかを知っていれば、波がどこにあるかを正確に知ることができるのです。

回路の仕組み：エッジとバンプ

著者たちは、このアイデアをテストするためにデジタル脳回路を構築しました。彼らは二つの仮想ニューロン・グループを作成しました。

1. エッジ集団（The Edge Population）: これらのニューロンは、指数関数的な曲線を描く「受容野」を持っています。決定変数が変化すると、このグループの活動はスライドするドアのようにシフトし、鋭いエッジを作り出します。
2. バンプ集団（The Bump Population）: これらのニューロンは、ベル型の受容野（バンプ）を持っています。決定変数が変化すると、このバンプはトラックに沿ってスライドします。

魔法は、これら二つのグループを結合するときに起こります。エッジ・グループはバンプ・グループを押し、バンプ・グループはエッジ・グループを引きます。それは、一方がリードし、もう一方が従うダンスのようなものですが、あまりにも完璧に同期しているため、一つのユニットとして動きます。

論文は、この結合されたシステムが、現実世界の乱雑でノイズの多い入力を処理できることを示しています。ランダムなノイズ（私たちの廊下の比喩におけるコイン投げのようなもの）を入力すると、エッジとバンプの集団はトラックに沿って共に移動します。この移動の位置が、決定変数に対応します。この動きがトラックの「左」の端に達すれば、脳は「左」と判断します。もし「右」の端に達すれば、「右」と判断します。

シミュレーションが示したこと

研究者たちは、自分たちのモデルが実際の人間が行う意思決定のように機能するかどうかを確認するために、数千回のシミュレーションを行いました。彼らは、この「エッジ・バンプ」回路を、標準的な「拡散決定モデル（コイン投げの廊下）」と比較しました。

結果は驚くべきものでした。シミュレーションにおいて：

• 反応時間: 彼らの回路が決定を下すのに要した時間は、人間が意思決定を行う際に要する時間と一致しました。タスクが容易な場合（強い証拠）でも困難な場合（弱い証拠）でも、回路はまさに正しい方法で速くなったり遅くなったりしました。
• 選択の正確さ: 証拠が明確なときには人間と同じ頻度で正しい答えを選び、証拠が混乱しているときには人間と同じ種類のミスを犯しました。
• 神経パターン: 最も重要なことに、回路内の個々のニューロンは、実際の脳に見られる多様性を正確に示しました。一部のニューロンはゆっくりとランプアップし、他のニューロンは素早いシーケンスとして発火しました。これは、研究者がプログラムしたわけではなく、二つの集団がどのように結合されているかから自然に発生した現象でした。

なぜこれが重要なのか

この論文は、脳がバラバラで無関係な部分の集まりである必要はないことを示唆しています。代わりに、脳は問題を解決するために、高度に組織化された幾何学的構造を使用している可能性があります。「エッジ」と「バンプ」の集団は、同じ言語の二つの異なる方言のようなものです。一方の方言（ランプ）は、自信の緩やかな蓄積を示すのに適しており、もう一方の方言（シーケンス）は、精密でタイミングの取れた進行を示すのに適しています。これらを同時に使用することで、脳は単一の決定変数を、堅牢かつ柔軟な方法で表現することができるのです。

著者らは、これはシミュレーションであり、そのようなシステムがどのように機能し得るかを示す数学的モデルであることを強調しています。彼らは、これが現実の世界で人間の脳が実際にどのように機能しているかを証明したわけではありませんが、彼らのモデルは強力で検証可能な仮説を提供しています。これは、実験で見られるランプアップ型とシーケンス型のニューロンの奇妙な混在が、バグや偶然ではなく、一つの「特徴」であることを示唆しています。それは、決定が進展するにつれて決定を追跡するために、二つの補完的なコードを使用し、最終的な選択が正確かつタイムリーであることを保証するための、脳のやり方なのです。

要するに、この論文は意思決定に関する美しく統一された絵を提供しています。それは、脳の混沌としたノイズを、上昇するエッジと転がるバンプの間の同期したダンスへと変え、単純でエレガントなルールからどのように複雑さが生まれるかを示しているのです。