A Drosophila connectome prior enables adaptable embodied control
本研究は、成体のショウジョウバエの脳コネクトームを身体化された制御のための固定された構造的事前分布として用いることが、標準的な人工ニューラルネットワークと比較して、多様な移動タスク、身体形態、および環境の複雑さに対して優れた適応性と堅牢性を実現できることを示している。
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
知能とは、単に脳の中で起こる現象ではありません。それは、身体と世界の間の対話なのです。動物が動くためには、その神経系が、感じていることや見ていることを、バランスを保ち前進するための動作へと絶えず翻訳しなければなりません。「身体化された制御（embodied control）」として知られるこのプロセスは、世界が決して静止したものではないため、非常に困難なものです。生き物は、地面が凹凸になったり、捕食者が現れて鋭く方向転換したり、あるいは餌を察知して速度を上げたりする場合に、歩調を調整しなければなりません。エンジニアたちは、荒れた地形の上を歩けるロボットを構築してきましたが、それらは特定の体型や特定の環境に合わせて訓練された複雑なコンピュータプログラムに依存していることが多いのです。もしロボットの脚の形を変えたり、床の質感を変更したりすると、そのプログラムはしばしば失敗します。このことは、科学者たちに根本的な問いを投げかけます。すなわち、生物学的な神経系の特定の配線方法は、人工的なシステムには欠けている特別な適応能力を与えているのだろうか、という問いです。これを知るために、研究者たちは、個々の神経細胞間のあらゆる接続に至るまで、驚くほど詳細にマッピングされた神経系を持つ生物、ショウジョウバエに注目しました。
研究者たちは、成体のショウジョウバエの脳から得られた完全な接続マップ、すなわち「コネクトーム」を用い、それをデジタルフライ（電子的なハエ）のコンピュータ・シミュレーションにおける固定された「脳」として使用しました。このデジタルフライには、6本の脚、地面を感じ取るセンサー、そして動くための筋肉を備えた体がありました。チームは脳のマップを書き換えることはせず、代わりに、自然界にある通りの接続をそのまま維持し、センサーの読み取り方と筋肉への信号の送り方だけを教え込みました。その後、彼らはこのデジタルフライに対して、平坦な地面を歩く、高さが増していくブロックを乗り越える、異なる方向に曲がる、速度を変えるといった一連のテストを行いました。彼らは、自然の脳マップを使用したこのフライと、ゼロから学習するように設計された標準的な人工知能プログラムによって制御されたデジタルフライを比較しました。
フライが平坦な地面を一定の速度で歩いているとき、両者は同等に優れたパフォーマンスを示しました。これは、単純で変化のないタスクにおいては、自然の脳マップが本質的に優れているわけではないことを示しています。しかし、状況が変化した瞬間、その違いは明白になりました。デジタルフライが高さ0.5ミリメートル近いブロックを乗り越えなければならなくなったとき、自然の脳マップを用いたフライの方が、人工的なものよりもはるかに高い頻度で成功しました。また、動きもより滑らかで、ぎこちなさが少なく、加速や減速といった速度の変化への追従性も高かったのです。フライが旋回するとき、自然の脳マップは、体の向きをより正確に、かつ無駄な動きを少なく再配向することを可能にしました。人工的なプログラムはこれらの調整に苦しみ、目標を通り過ぎたり、バランスを崩したりすることがよくありました。
なぜ自然のマップがよりうまく機能したのかを理解するために、研究者たちはシミュレーションの内部を調べ、情報の流れを確認しました。その結果、フライが困難な障害物に遭遇すると、自然の脳マップは、脚のセンサーと運動指令を結ぶ特定の経路を自発的に活性化させていることがわかりました。これらの経路には、体から上方へ信号を運ぶニューロンと、脳から下方へ指令を運ぶニューロンの両方が含まれており、それらが人工的なプログラムでは再現できないような、協調的な方法で連携しているようでした。自然のシステムには組み込まれた柔軟性があるようで、明示的に指示されなくても、目の前の仕事のためにネットワークの適切な部分を動員することができました。さらに、研究者たちは、自然の脳マップが小さなエラーや設定の変化に対してより堅牢であることを発見しました。これは、その構造が新しい行動を学習するための安定した基盤を作り出していることを示唆しています。
この研究で最も衝撃的だったのは、体そのものが変化した場合でも、この優位性が維持されるかどうかを研究者がテストしたときのことです。彼らは、全く同じ固定されたフライの脳マップを取り出し、非常に異なる動物の体へと接続しました。具体的には、4本脚のアント（アリ）、2本脚のロボット、3本脚のトライポッド、そして6本脚のヘキサポッドです。あらゆるケースにおいて、フライのために進化した脳マップは、新しい体を生理的にうまく動かすことに貢献しました。この優位性は、動物が複雑な迷路をナビゲートしなければならないときに特に明確になりました。迷路がより多くの回転や行き止まりを持つ難解なものになるにつれ、フライ型の脳コントローラーは、人工的なコントローラーと比較して、道を見つける能力がますます向上していきました。たとえそのフライの脳が6本脚の昆虫のために設計されたものであっても、それが2本脚のロボットを直立させ、4本脚のアントをより速く、よりダイレクトに走らせる助けとなったのです。この研究は、フライの脳の特定の配線には、異なる体型にも転用可能な、適応のための一般的な原理が含まれていることを示唆しています。
この研究は、単にフライの脳をコピーしてあらゆるロボットに組み込める、と主張しているわけではありません。シミュレーションが示したのは、自然の配線が強力な出発点、すなわち「事前知識（prior）」を提供し、それが新しい動きの学習をより容易で信頼できるものにするということです。人工的なプログラムも依然として、新しい体のセンサーを読み取り、筋肉を動かす方法を学ぶ必要がありましたが、ゼロから始めるよりも、フライの脳マップを起点としたほうが、はるかに速く学習し、より高いパフォーマンスを発揮しました。これらの結果は、進化が神経系を形作ってきたのは、単に特定のタスクを実行するためだけではなく、予測不可能な現実世界に対処できる柔軟な構造を提供するためであることを示唆しています。ショウジョウバエの脳をガイドとして用いることで、研究者たちは、ニューロンがどのように接続されているかが、ニューロンそのものと同じくらい重要であることを示し、変化する世界に適応できる機械を構築するための新たな設計図を提示したのです。
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。