Contrasting signatures of visual attention emerge from the same underlying neural dynamics

人間の脳は仕分けの達人であり、何に注意を払い、何を無視すべきかを絶えず決定しています。混み合った部屋に入ったとき、あなたの目はすべての顔を等しい強度でスキャンするわけではありません。代わりに、鮮やかな赤いシャツや聞き慣れた声に引き寄せられます。この集中する能力は視覚的注意と呼ばれ、数十年にわたり、科学者たちはそれを支配するルールを理解しようと試みてきました。これまでの有力な見解は、脳は状況に応じて異なる、特化したツールを使用しているというものでした。もし明るい物体が意志に反して目を引くなら、特定のメカニズムが働いていると研究者は想定しました。もしその同じ物体を無視して特定のターゲットを探すなら、別のメカニズムが取って代わっていると彼らは考えました。このアプローチは、あらゆる行動の癖を独自の指紋として扱い、それぞれに固有の説明を必要とするものです。しかし、この手法は、科学を「根本的なエンジン」の探求ではなく、「症状のカタログ」へと変えてしまうリスクがあります。疑問は残ります。脳は本当に異なる動作モードの間で切り替えているのか、それとも単一の柔軟なシステムがこれらすべての異なる結果を生み出しているのか、という点です。

ルール大学ボーフムおよびイースト・アングリア大学の研究チームは、新たな答えを提示しました。彼らは、単一のルールのセットが、一見矛盾する幅広い行動を説明できるかどうかをテストするために、脳の注意システムのコンピュータモデルを構築しました。彼らの研究、いわゆる「シェイプト・プライオリティ・アカウント（形状優先説）」は、脳がさまざまな探索タスクを処理するためにギアを切り替えたり、異なるメカニズムを展開したりする必要はないことを示唆しています。むしろ、同じ根底にある神経ダイナミクスが、異なる視覚入力を受けることで、人間の注意行動の全範囲を自然に生み出すのです。研究者たちは、脳が視覚信号を処理する方法を形成（シェイピング）することで、一つの固定されたシステムが、効率的な探索から無関係な物体による妨害に至るまで、12種類の異なる実験結果を再現できることを見出しました。

課題を理解するために、視覚探索がどのように機能するかを考えてみましょう。典型的な実験では、人は青い正方形の中から赤い円を見つけるよう求められます。時として、タスクとは無関係な明るい黄色のダイヤモンド型が現れることがあります。あるケースでは、この黄色のダイヤモンド型は人を遅らせ、注意をそらすものとして作用します。また別のケースでは、それは全く影響を与えません。さらに別のシナリオでは、ディストラクター（妨害物）の存在が、実際にはターゲットを見つけるのを早めることもあります。伝統的に、科学者たちはこれらの違いを、脳が異なる戦略を切り替えていることで説明してきました。つまり、時には明るい物体に「捕捉」され、時にはそれを積極的に抑制し、時には完全に無視しているのだと。新しい研究は、これらは異なる戦略ではなく、同一のプロセスの異なる結果であると主張しています。

研究者たちは、注意は動的な競争であるという考えに基づいたモデルを構築しました。画面上のあらゆる地点が信号を送る活動領域を想像してください。いくつかの信号は、オブジェクトがいかに明るいか、あるいは色彩豊かかといった「ボトムアップ」なものによって駆動されます。他の信号は、人が何を探しているかという「トップダウン」なものによって駆動されます。このモデルでは、これらの信号は生のまま競争に参入するのではありません。代わりに、文脈に応じて強度が変化する形成プロセスを経ます。非常に明るい物体は、システムを圧倒しないように圧縮される可能性があり、一方でターゲットへのかすかな一致は、競争に残れるようブーストされる可能性があります。決定的なのは、これら二種類の信号が異なるタイミングで到着するということです。明るい物体からのボトムアップ信号は最初に到着し、即座に注意を奪います。ターゲットがどのような外見であるかを知っているトップダウン信号は、そのわずか数ミリ秒後に到着します。

このタイミングの差が、モデルの成功の鍵です。明るく無関係な物体が現れると、それが注意のフィールドを最初に掴みます。もし人が何か特定のものを探しているなら、トップダウン信号が直後に到着し、競争を再形成して、無関係な物体を脱落させます。正確なタイミングと他のオブジェクトの配置に応じて、このプロセスは遅延、遅延なし、あるいは加速という結果をもたらします。モデルは、異なるタスクのために内部設定を変更する必要はなく、単一のルールのセットによって、34種類の異なる実験条件を再現できることを示しました。これらの条件には、ターゲットが3つの特徴の組み合わせで定義される複雑な探索や、単一の明るい物体がパフォーマンスを助ける、あるいは妨げる単純な探索が含まれていました。

研究者たちは、数百人の参加者を対象とした12種類の異なる実験データを用いて、モデルの検証を行いました。彼らは、特定の困難な探索タスクを用いて一度モデルを較正し、その後、設定を固定しました。そして、パラメータを一つも変更することなく、他の11種類の実験の結果を予測するようモデルに求めました。モデルは成功しました。それは、画面上のアイテム数が増えるにつれて探索速度がどのように変化するかというパターンを捉えました。無関係な物体による妨害の正確な大きさをも再現しました。さらには、なぜある場合にはディストラクターの存在が探索を速めるのかさえも説明しました。モデルは、各タスクに対して新しいルールを学習することによってではなく、受け取った視覚入力に基づいて同じ神経ダイナミクスを異なる形で展開させることによって、これを達成したのです。

最も重要な発見の一つは、なぜ同じ明るい物体が正反対の効果を持ち得るのかを、このモデルが説明している点です。もし明るい物体がターゲットを見つけるのが難しいディスプレイの中に現れた場合、それは脳がターゲットに集中する前に注意を奪ってしまうため、人を遅らせるかもしれません。しかし、ディスプレイの配置が異なれば、同じ物体が視覚フィールドを整理する助けとなることで、探索を速めることもあります。モデルは、これらが矛盾ではなく、信号が時間の中で競合するシステムにおける自然な帰結であることを示しています。脳は、注意を逸らしたり、あるいは注意を逸らさないように決断したりする必要はありません。その結果は、信号の相互作用から立ち現れるのです。

研究はまた、複数の特徴によって定義される物体を脳がどのように見つけるかという、長年の謎にも取り組みました。長年、科学者たちは、脳が色と形のような特徴を注意を向ける前に組み合わせることができるのか、それともアイテムを一つずつチェックしなければならないのかについて議論してきました。新しいモデルは、脳がすべての物体を特定する必要なく、可能性を絞り込むガイダンスシステムを使用していることを示唆しています。それはターゲットの説明に明らかに一致しないアイテムをフィルタリングし、候補となるグループを小さくします。その後、脳はこれらの候補を一つずつチェックします。このプロセスは、周囲のアイテムが非常に似通っている場合でも、複雑なターゲットを迅速に見つけられる理由を説明するのに十分効率的です。

単一の固定されたシステムがこれほど多様な行動を生み出し得ることを示すことで、研究者たちは、あらゆる行動のシグネチャーに固有のメカニズムが必要であるという考えに異議を唱えています。彼らは、脳は以前考えられていたよりも統一されていると主張しています。人間の注意の多様性は、異なるスイッチを備えた道具箱から来るのではなく、リアルタイムで世界に反応する単一の柔軟なエンジンから来るのです。これは、脳が単純であることを意味するのではありません。むしろ、人間の行動の複雑さは、少数の核となる原理の動的な相互作用から生じ得ることを意味しています。研究者たちは、自分たちの仕事はシミュレーションであり、実際の脳には、このモデルに含まれていない学習や記憶といった追加のプロセスが含まれている可能性があることを認めています。しかし、その結果は、科学者が新しい発見を説明するために新しいメカニズムを考案する前に、既存の注意のダイナミクスが十分ではないかとまず問うべきであることを示唆しています。

この研究の意義は、実験室の中に留まりません。それは、人間の行動の解釈を変えるものです。人が環境の変化に気づかなかったり、点滅する光に気を取られたりするとき、私たちはしばしば、その人が異なる戦略を用いているか、あるいは特定の欠陥があると考えてしまいます。この研究は、そのような変動が、単に同じシステムが異なる条件下で作動している結果に過ぎない可能性があることを示唆しています。脳は孤立したモジュールの集合体ではなく、連続的で進化し続ける活動の場なのです。次に、鍵を探しているときに明るい看板に気を取られたり、あるいはそのおかげで鍵を早く見つけたりしたときは、あなたは同じ神経ダイナミクスが働いているのを目の当たりにしているのです。それは、その瞬間の具体的な詳細によって形作られています。この研究は、人間の注意の明白な混沌が、実は時間の中で展開される単一のエレガントなプロセスの結果であることを示し、精神に対するより明晰な視界を提供しています。