A neural circuit algorithm for action grammar
サルの実験に触発された本研究は、リカレントニューラルネットワークが、直交する方向へと初期状態を計画し、特定の多様体上で形状を実行し、遷移の間でシーケンスのパラメータを保持することによって、ルールに基づいた行動シーケンスを生成することを実証しており、それによって記号文法アルゴリズムの神経回路による実装を明らかにしている。
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
人間の脳はパターンの達人であり、有限の規則のセットから無限の多様な行動を生み出すことができる。言葉を文章へと組織化する文法や、一連の動きを一貫した動作へと変えるシーケンスのような、抽象的な指示に従うこの能力は、知性の象徴である。現代の人工知能はパターン認識において多大な進歩を遂げているが、人間や動物のように、学習した規則を全く新しい状況に柔軟に適用することにはしばしば苦慮する。科学者たちは、計画や組織化に関連する前頭葉および頭頂葉の領域が、この柔軟性の鍵を握っていると長年疑ってきた。しかし、動物がルールを学習し、それをより複雑な問題に適用することを可能にする、これらの神経回路内部の具体的な仕組みは謎のままであった。生物学的なネットワークがいかにして単純な指示を多段階の計画へと変換するのかを理解することは、思考という抽象的な論理と、ニューロンの発火という物理的な現実との間の溝を埋めるために不可欠である。
このメカニズムを解明するために、研究者たちはサルがすでに習得しているタスク、すなわち「描画」に着目した。これまでの実験では、アカゲザルに対して、線や円といった複数の物体を含む画像を見せ、「線を先に描き、次に円を描く」といったルールに従ってそれらを特定の順序でトレースするように求めた。驚くべきことに、サルはルールを明示的に教えられたのではなく、経験からそれを推論したのである。一度パターンを学習すると、彼らは練習時には「2本の線と1つの円」しか扱っていなかったとしても、例えば「5本の線を描いた後に3つの円を描く」といった、これまで見たことのない数の物体を含む新しい画像に対しても、成功裏に適用することができた。この汎用能力は、脳に「アクション・グラマー（行動文法）」を学習し利用するための内因的なバイアスがあることを示唆している。この仕組みが内部でどのように機能しているのかを明らかにするため、研究チームは、この描画タスクを実行するように計算機モデル、具体的にはリカレントニューラルネットワークを訓練した。そのモデルの内部活動をリバースエンジニアリングすることで、彼らはネットワークが計画を立て、シーケンスを実行するために使用する精密な3部構成のアルゴリズムを発見し、脳が同様の問題をどのように解決しているかについての具体的な設計図を提示した。
研究者たちは、ネットワークが描画中に単に画像に反応しているのではなく、最初のストロークが行われる前に完全な計画を策定していることを見出した。タスクが始まると、ネットワークの内部状態は、将来のシーケンス全体をエンコードした特定の開始位置へと移行する。ネットワークの活動を、広大な多次元空間における一つの点として想像してほしい。描画が始まる前に、この点は、描くべき線の数と描くべき円の数の両方の情報を同時に保持する場所へと移動する。決定的なのは、これら2つの数値が、地図が南北と東西の軸を用いて地点を特定するのと同様に、この空間内の別々の独立した方向に格納されていることである。この初期配置はハイレベルな設計図として機能し、動き始める前に、ネットワークが各図形の反復回数を正確に把握することを保証する。
描画が始まると、ネットワークは特定の図形に専用の経路に沿って移動することで計画を実行する。もしルールが「線を先に描く」であれば、ネットワークの活動は「線」の経路に沿って進み、その経路の終点までの距離が許す限り、動作を繰り返す。ネットワークは声に出して数を数えるのではなく、むしろ、この経路に沿って移動すべき距離が、実行すべき反復回数に直接対応している。ネットワークは移動しながら、その経路の距離を徐々に消費していく。この地点に到達した瞬間、ネットワークは次のフェーズへと移行する。ネットワークは、円に専用の別の経路へとジャンプする。このシステムの素晴らしさは、その遷移の処理方法にある。このジャンプは非常に秩序立てられ、かつ並行して行われるため、あと何個の円を描く必要があるかという情報を保持したままになる。ネットワークは、円の経路の開始点に、描くべき円の数と完全に一致する距離を残して到着するため、カウントを見失うことなくシーケンスを継続できるのである。
このメカニズムは、3つの異なるタイプの神経活動が連携して機能することに依存している。あるニューロンは現在どの図形を描いているかを特定することに特化しており、ネットワークのモードを「線」から「円」へと切り替える役割を果たす。他のニューロンは現在のストロークの進捗を追跡し、残りの反復回数を知らせる。そして、特定のグループのニューロンは、図形の境界線上で非常に活発になり、ネットワークを一つの経路から次の経路へと駆動するトリガーとして機能する。研究者たちは、ネットワークが線のシーケンスの終端に近づくと、「円」のニューロンを抑制しているはずの抑制が弱まり、それらが起動して主導権を握る様子を観察した。このシームレスな受け渡しにより、切り替えの最中に次に来る図形のカウントが失われることは決してない。この研究は、脳が複雑な行動を組織するために、直交する計画立案と並行的な遷移という同様の戦略を用いていることを示唆しており、これにより単純な一連のルールから無限の動作のバリエーションを生み出すことが可能になっている。
この発見の意義は、描画タスクにとどまらない。研究者が明らかにしたメカニズムは、脳がいかにしてステップを実行しながらメンタルプログラムを維持できるかについて、具体的な説明を与えるものである。それは、脳がシーケンス全体を最初から常に再計算する必要はなく、代わりに、完全な計画を含む初期状態を設定し、その後、神経回路のダイナミクスにその計画を実行させるということを示している。このアプローチは驚異的な柔軟性を可能にする。もし問題が変化してより多くの反復を必要とするようになっても、ネットワークは単に同じ経路のより遠い位置から開始するだけでよく、同じ基礎的な仕組みを使用できるのである。今回の研究では、デモンストレーションのためにコンピュータ・シミュレーションを用いたが、モデルが予測する具体的な活動パターン（例えば、数値の直交エンコーディングや図形間の並行遷移など）は、生体の脳を用いた将来の実験に対する明確で検証可能な予測を提示している。神経回路がいかにして記号的なアルゴリズムを実装できるかを明らかにすることで、本研究は、人間の知性と、学習し、適応し、創造する能力の生物学的基盤の理解へと私たちを近づけている。
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。