AIが脳の記憶力を高める方法を学習

ブラックボックスといえば、人間の脳ほどブラックなものはない。科学者たちは、私たちの灰白質はあまりにも複雑で、自らを完全に理解できないと嘆いている。

しかし、もし私たちが自分の脳を理解できないのであれば、機械が代わりに理解してくれるかもしれません。ネイチャー・コミュニケーションズ最新号で、ペンシルベニア大学の心理学者マイケル・カハナ率いる研究者たちは、機械学習アルゴリズム（それ自体が難解なことで有名ですが）を用いて人間の記憶を解読し、強化できることを示しました。どのようにでしょうか？正確にタイミングを合わせた電気パルスを脳に送り込むことで実現します。

言い換えれば、研究者は一つのブラックボックスを使って別のブラックボックスの潜在能力を解き放つことができるのです。これは、一方では途方もなく難しい問題に対する、かなりエレガントな解決策のように聞こえますが、他方では、テクノポカリプスホラー映画の始まりのようにも聞こえます。

脳の測定において、最も優れた記録は頭蓋骨内部から得られる。しかし、人々、そして倫理審査委員会は、科学の名の下に頭蓋骨を割ることには通常、賛同しない。そこでカハナ氏らは、25人のてんかん患者と共同研究を行った。患者らはそれぞれ、発作に関連する電気活動をモニタリングするために、脳内に100～200個の電極を埋め込んでいた。カハナ氏らはこれらの電極を利用し、記憶課題中の脳活動を高解像度で記録した。

まず、研究者たちは脳が記憶する様子を捉えました。患者たちが単語リストを読み、それを内面化しようとする間、カハナ氏と彼のチームは埋め込まれた電極それぞれから毎秒数千回の電圧測定値を収集しました。その後、患者の記憶能力を検査し、単語の記憶と忘却に関連する脳活動パターンに関するデータを蓄積しました。

そして、彼らはそれを繰り返した。そして、さらに繰り返した。被験者それぞれを2、3回訪問した後、十分な訓練データが集まり、電極の活動のみに基づいて、各患者がどの単語を覚えている可能性が高いかを予測できる、患者固有のアルゴリズムが開発された。

肝心なのはここだ。これらの電極は神経活動を読み取るだけでなく、刺激も与えることができる。そこで研究者たちは、脳を刺激して記憶の形成をリアルタイムで改善（彼らの言葉を借りれば「救済」）しようと試みた。被験者は数秒ごとに新しい単語を目にし、新たに訓練されたアルゴリズムが脳がその単語を記憶する準備ができているかどうかを判断した。「閉ループシステムにより、被験者の脳の状態を記録し、分析し、刺激を与えるかどうかを数百ミリ秒で判断できます」とカハナ氏は言う。

そしてそれは効果があった。研究者のシステムにより、患者の単語を思い出す能力は平均15%向上した。

カハナ研究室が脳刺激が記憶に与える影響を研究したのは今回が初めてではない。昨年、同研究グループは、電極パルスが、研究者がいつ刺激を与えるかによって、記憶力を向上させたり低下させたりすることを示した。その研究では、被験者の記憶に関わる脳領域を、機能が低下している時期に刺激した場合、より高いスコアが得られた（機能が高い時期に刺激を与えた場合は逆の効果があった）。これは重要な発見だったが、治療には役立たなかった。研究者たちは、記憶と脳の状態の関連性を、記憶テストを行った後にしか特定できなかったのだ。脳機能強化の観点から真に望ましいのは、記憶の真っ最中にパルスを与えることである。

現在、カハナ氏と彼の同僚たちは、機械学習アルゴリズムの助けを借りて、このループを完結させたようだ。「猫の画像を識別するために使うのではなく、デコーダーの構築に使っているのです。デコーダーとは、電気的活動を観察し、脳が学習に適した状態にあるかどうかを判断できるものです」とカハナ氏は言う。脳が記憶を効果的にエンコードしているように見える場合、研究者たちはそのまま放置する。そうでない場合は、彼らのシステムはすぐに電気パルスを送り、脳を高機能状態に押し上げる。まるで脳のペースメーカーのように。

「劇的な効果ではありませんが、間違いなく期待が持てます」と、カリフォルニア大学サンディエゴ校の神経科学者で、この研究には関わっていないブラッドリー・ヴォイテック氏は述べている。今後の研究で、この分野におけるより良い結果が得られるかどうかが課題となっている。患者の脳により多くの、そしてより高精度な電極が埋め込まれれば、アルゴリズムはより多くの神経学的特徴をより正確に、より短い時間スケールで解読できるようになるだろう。より多くの訓練データも役立つだろう。てんかん患者のほとんどは、このような研究に参加できるのはせいぜい数週間だけであり、研究者が患者と向き合える時間は限られている。3回以上のセッションで訓練された機械学習アルゴリズムは、カハナ氏の最新の研究で使用されたものよりも優れた性能を発揮する可能性がある。

しかし、たとえ解像度を高め、より多くの訓練データを得たとしても、科学者たちは、脳を研究し、そして操作するために不透明なアルゴリズムを用いることの意義について、まだ検討を重ねる必要がある。カハナ氏のシステムは特定の状況下では単語の想起能力を向上させることはできるものの、それがどのように機能を向上させるのかは正確には分かっていない。それが機械学習の本質なのだ。

幸いなことに、カハナ氏のチームはこの点を綿密に検討しており、アルゴリズムによっては精査が容易なものとそうでないものがあります。今回の研究では、研究者たちは単純な線形分類器を用いることで、個々の電極における活動が、脳活動のパターンを判別するモデルの能力にどのように寄与しているかについて、ある程度の推論を導き出すことができました。「現時点では、脳活動を記録するために使用している特徴量間に相互作用があるかどうかは、はっきりと断言できません」と、本研究の機械学習分析を監督したペンシルベニア大学の心理学者、ユセフ・エズヤット氏は述べています。

より複雑なディープラーニング技術が、必ずしも認知能力の大幅な向上につながるとは限りません。しかし、もしそうなれば、研究者たちは、脳を活性化させる電気刺激を与えるという機械の決定の真意を理解するのに苦労することになるかもしれません。あるいは、機械が本当に悪質な行動に出た場合、刺激を与えないかもしれません。