人工ニューラルネットが脳のような細胞を成長させ、自らの道を見つける

A地点からB地点までの最短ルート、つまり近道を選ぶセンスがあるというのは、知能のテストとしてはそれほど印象的ではないように思える。しかし、先週Nature誌に掲載された、研究者たちが開発した新しいナビゲーションAIの性能に関する新たな報告書によると、複雑なシミュレーション環境を探索し、目的地までの最短ルートを見つけるこのシステムの能力は、これまで人間や他の生物にしか認められていなかったレベルに達したという。

このシステムの性能を決定づけた驚くべき鍵は、ナビゲーション方法を学習する過程で、ニューラルネットが自発的に「グリッド細胞」に相当するものを発達させたことだ。グリッド細胞とは、少なくとも一部の哺乳類が空間内での位置を追跡できるようにする脳細胞の集合体である。

神経科学者にとって、この新たな研究は、生きた脳内のグリッド細胞がどのようにして私たちをより優れたナビゲーション能力へと導くのかという重要な手がかりを提供するものと思われる。また、ニューラルネットワークが将来の神経科学研究に大きく貢献する可能性も示している。ロンドン大学ユニバーシティ・カレッジの認知神経科学者で、この研究には関与していないニール・バージェス氏は、これらのシステムは「人間の脳がどのように、そしてなぜそのように機能するのかを理解するための肥沃な土壌を提供する」はずだと示唆した。

一方、AI研究者にとって、この研究が自動航行システムの改善に大きく貢献していることは明らかです。しかし、この研究のより大きな意義は、最終的には、機械の知能を高めるためのより一般的な方法を示唆することにあるのかもしれません。

ネイチャー誌に掲載された新たな論文の主著者である、英AI企業ディープマインドの研究者アンドレア・バニーノ氏とユニバーシティ・カレッジ・ロンドンのキャスウェル・バリー氏によると、このプロジェクトは脳のグリッド細胞の機能に関する疑問から発展したという。グリッド細胞は多くの動物種のナビゲーションに重要なことから、「脳のGPS」と呼ばれることが多い（エドヴァルド・モーザー氏とメイブリット・モーザー氏は、その9年前の2014年のノーベル賞を共同受賞している）。おおよそ六角形に配列されたこれらのニューロンの塊は、船舶、航空機、ミサイルの慣性誘導システムのように機能する。つまり、真っ暗闇の中でも、身体が宇宙空間をどのように移動しているかを追跡するのだ。「基本的には、自分の移動に基づいて、自分がどこにいるかという信念を更新するのです」とバリー氏は語った。

そのため、神経科学者たちはグリッド細胞が「経路統合」と呼ばれる機能を果たしていると考えています。これは、外部からの手がかりを必要としない推測航法の一種で、例えば「5歩前進し、左に90度向きを変え、さらに15歩まっすぐ進む…」といった具合です。しかし、様々な実験から、グリッド細胞はナビゲーション以外の機能も担っていることが示唆されています。例えば、移動中の時間と距離の測定にグリッド細胞が関与している可能性を示唆する研究もあります。バリー氏が指摘したように、グリッド細胞が物体や場所の空間的な参照情報を提供するのであれば、「原理的には、それらを使ってそれらの場所間の直線経路を計算できる」のです。これはいわゆる「ベクトルベースのナビゲーション」です。

研究者たちは、ディープラーニングニューラルネットワークを用いて、これらのナビゲーション機能におけるグリッド細胞の役割を調査することにしました。第一歩として、彼らは狭い空間を移動するシミュレーションエージェントの経路統合を学習するニューラルネットワークを構築しました。「適切なタスクを与えた人工ネットワークを構築することで、実際にグリッド細胞を発達させることができるかどうかを確認したかったのです」とバリー氏は述べています。

ニューラルネットワークは要求に応え、バリー氏によれば「驚くべきはその優れた機能だった」という。ネットワーク内に自発的に出現した「グリッドユニット」は、六角形のグリッドに至るまで、動物の脳に見られるものと驚くほど類似していた。

研究チームは次に、ニューラルネットワークの能力を、シミュレーションエージェントが迷路のような仮想環境を通り抜けて目的地に到達するのを支援するシステムと組み合わせました。グリッドユニットを備えたシステムは、グリッドユニットを持たないシステムよりもはるかに優れた性能を示しました。例えば、システムは以前に閉じられていたドアが目的地への近道であるかどうかを判断でき、そのルートを優先的に選択しました。バニーノ氏によると、この能力は、ニューラルネットワークのグリッドユニットが目的地の位置に関する知識に基づいて、より短く直接的なルートを特定することで、ベクトルベースのナビゲーションを実行していることを実証しています。

「この研究によって、グリッド細胞が近道をするために使われているという原理的な証明ができたと思います」とバニーノ氏は述べた。したがって、この結果は、脳内のグリッド細胞が経路統合とベクトルに基づくナビゲーションの両方の能力を持っているという理論を裏付けるものとなった。生きた動物を用いた研究で同等の実験的証明を得るのははるかに困難だろうと彼は付け加えた。

「興味深いのは、この同じアプローチがさまざまな種類の神経科学の問題にも応用できるということです」とバリー氏は述べた。例えば、四肢制御に関心のある研究者は、脳が生体の腕を制御するのと同じようにロボットアームを制御するようニューラルネットワークを訓練し、その人工システムで実験を行うことで、生体の腕に関するさらなる知見を得ることができるだろう。「これは、非常に刺激的な汎用神経科学ツールとなる可能性を秘めています。」

「実に素晴らしい発見です」と、カリフォルニア大学サンディエゴ校の神経生物学教授、ステファン・ロイトゲブ氏は述べた。「ベクトルナビゲーションが（グリッド細胞の）機能の一つである可能性を非常に強く示唆していると思います。この仮説は以前から提唱されてきましたが、これほどまでにそのメカニズムの解明に近づいた人はいないと思います。」

しかし同時に、彼は「これはあらゆる計算研究に限界がある。これは確かに機能する可能性はあるが、動物実験でも同様の効果を発揮することを証明するものではない」と指摘する。

ネイチャー誌の最新論文に付随する論評を共同執筆したジョンズ・ホプキンス大学の神経科学者、フランチェスコ・サヴェッリ氏も同様の見解を示している。サヴェッリ氏は、「プログラムしなくても、どういうわけかこれらの[グリッド]細胞が得られる。…それでもなお、それらは創発的な特性として現れる」という点を非常に興味深いと考えている。しかし同時に、「これは生物学的に現実的なシステムではないため、それがどのような情報を与えてくれるのか、正確にはよくわからないかもしれない」とも述べている。

「このネットワークのブラックボックスを突破し、このネットワークをもう少し生物学的に現実的なものにすることができなければ、ある時点で、さらなる神経生物学的研究に情報を提供できる限界に達してしまうだろう」と彼は語った。

一方、技術的な観点からは、「これらのディープラーニングシステムは、脳の高次認知機能に近いタスクにもますます対応できるようになっている」という点が励みになる、とサヴェッリ氏は述べた。「これは、ディープラーニングの活用によるメリットが、より高次認知機能に近いタスクにも拡張できることを真に実証していると言えるでしょう。」

DeepMindの研究者たちは、この優れたナビゲーションネットワークを、例えば探索ロボットや将来の自動操縦ドローンの能力向上に活用しようとしているのではないかと想像する人もいるかもしれない。しかし、バニーノ氏によると、彼らの計画はそれほど焦点が絞られておらず、むしろ野心的だという。「ナビゲーションは私たちの知能の基本的な側面だと考えています」と彼は言う。「個人的には、汎用アルゴリズムの開発以外の用途は考えていません。

「汎用アルゴリズムの唯一の例は脳です」と彼は続けた。「では、脳から情報を得ないのはなぜでしょうか？」

ジョーダナ・セペレヴィッツ氏がこの記事の取材に協力した。

オリジナルストーリーは、数学、物理科学、生命科学の研究の進展や動向を取り上げることで科学に対する一般の理解を深めることを使命とする、シモンズ財団の編集上独立した出版物であるQuanta Magazineから許可を得て転載されました。