知能の特徴は学習能力です。何十年にもわたる研究が示しているように、私たちの脳は高度な「可塑性」を示しています。つまり、ニューロンは新しい刺激に反応して接続を再配線できます。しかし、カーネギー メロン大学とピッツバーグ大学の研究者は、最近、私たちの学習能力には驚くべき制約があることを発見しました。脳は全体的に非常に柔軟で適応性があるかもしれませんが、少なくとも短い時間枠では、ゼロから再配線するのではなく、神経レパートリーからトリックを非効率的に再利用することによって学習します.
「スカッシュをするときはいつでも、テニス選手のように見えます」と、カーネギー メロン大学の生物医学エンジニア兼神経科学者であり、研究のリーダーの 1 人であるバイロン ユーは述べています。 Yuさんは長年テニスをしています。彼のスカッシュの問題点は、短いラケットを使用し、テニスコートで慣れていたものとは異なる種類のフォロースルーで、より速く、よりハードなショットを要求できることです。しかし、スカッシュの試合では、彼は長年のテニス経験から得たラケットの使用スタイルに陥ります。脳は、すでに知っていることを簡単には手放しません。
現在、学習中の脳の活動を観察している間、Yu と彼の同僚は、神経レベルでの同様の可塑性の欠如の証拠を見てきました。その発見とチームの関連研究は、ある事柄が他の事柄よりも習得が難しい理由を説明するのに役立つかもしれません.
数年前、ユー、ピッツバーグ大学のアーロン・バティスタ、および彼らの研究室のメンバーは、神経科学の発見のためのツールとしてブレイン・コンピューター・インターフェース (BCI) を使い始めました。これらのデバイスには、動きを制御する脳の運動皮質にある 100 個のニューロンの電気的活動を一度に追跡できる、指の爪ほどの大きさのチップが搭載されています。個々のニューロンを経時的に流れる一連の電圧スパイクを監視することにより、BCI は「スパイク率」を計算して、タスクの実行中の各ニューロンの動作を特徴付けることができます。
「このすべてのデータを掘り下げて、脳が何をしているかを調べようとすることの難しさを想像してみてください」と Yu は言いました。 (編集者注:Yu は、Quanta を出版している Simons Foundation から資金提供を受けています。 .) 「私たちの目は、ここの微妙なパターンを感知するように訓練されていません。」しかし、チップに組み込まれた高度な統計分析によってこれが可能になり、パターンを使用して、特定の動きをする被験者の意図に関連する神経活動を識別することができます。システムは、たとえば、腕を左、右、上、または下に伸ばしたい被験者を区別できます。
その後、研究者は BCI の出力を使用して、特定の動きに対する神経活動をコンピューター画面上のカーソルの方向制御に変換できます。試行錯誤を通じて、インターフェイスを使用する人や動物は、腕が左に動くことを想像することで、たとえばカーソルをそのように押すことができることを学習できます。
Yu、Batista、および彼らの同僚が、単純な腕を振る作業を繰り返し実行しているサルの運動皮質を監視したところ、ニューロンが独立して発火していないことがわかりました。むしろ、測定されている100個のニューロンの行動は、統計的に約10個のニューロンの観点から説明でき、それらはさまざまに刺激したり、他のニューロンを抑制したりしていました.研究者の分析では、この結果は、100 次元のデータ空間のごく一部しか満たされていないプロットされた点のセットとして示されました。
カーネギー メロン大学の生物医学工学教授であるスティーブン チェイスは、次のように述べています。 「この空間の次元は、これらのニューロンができることを非常に予測します。」
2014年、研究者は、被験者が神経活動のパターンを内因性多様体の外ではなく内部に含む場合、新しいタスクをより簡単に学習できることを観察しました. Yu 氏によると、その結果は理にかなっている、というのは、本質的な多様体の範囲内にあるタスクは、根底にある神経構造と一致する脳に要求を行うからです。この研究を完了した後、グループは、Nature Neuroscience の最近の論文で説明されているように、学習中に神経活動がどのように変化するかという問題に注意を向けました。 .
調べるために、研究者はまずBCIを装備した霊長類にカーソルを左右に動かすことに熟達させました。次に、チームはカーソルを動かすための神経活動の要件を切り替え、内因性多様体の新しい点に対応する神経活動の新しいパターンを確認するために、動物がそれらを達成するために使用するのを待ちました.
研究者たちは、動物が最も自然に機能する新しい活動パターンを使い始める「再調整」と呼ばれる学習戦略の証拠を期待していました。 Yu と Chase と共にポスドクとしてこのプロジェクトに協力し、現在はスタンフォード大学で働いている Matthew Golub は、次のように述べています。あるいは、サルの脳は「再スケーリング」のプロセスを通じて学習した可能性があります。このプロセスでは、元の学習タスクに関与するニューロンが、機能するパターンに遭遇するまでスパイク率を増減させます。
しかし、研究者が驚いたことに、再調整も再スケーリングも発生しませんでした。代わりに、研究者は「再結合」と呼ばれる非常に非効率的なアプローチを観察しました。動物の被験者は、元の神経活動パターンを繰り返し、割り当てを交換するだけで、新しいタスクを学習しました。以前はカーソルを左に移動していたパターンが右に移動し、その逆も同様です。 「彼らがかつて行っていたことをリサイクルしています」とゴラブは言いましたが、新しい状況の下で.
なぜ脳は学習に最適な戦略を使わないのでしょうか?グループの調査結果は、ニューラル アーキテクチャが活動を内因性多様体に制限するのと同様に、実験中にニューロンが活動を再編成する方法をさらに制限することを示唆しています。 Batista は、再編成に必要なニューロン間のシナプス結合の変化は、すぐに達成するのが難しすぎるかもしれないと示唆しています。 「可塑性は、私たちが考えていたよりも短期的には制限されているに違いありません」と彼は言いました。 「学習には忘れることが伴います。脳は、すでにやり方を知っていることを手放すことに消極的かもしれません。」
チェイスは、運動皮質を、他の皮質領域からの入力を脳の小脳の出力にリンクするケーブルのような神経接続を備えた昔ながらの電話交換機に例えました。実験中、脳は「すべてのケーブルを再配置するだけ」だと彼は言いましたが、それが何を意味するのかのニュアンスはまだわかっていません.
「手っ取り早い戦略は、皮質への入力を変えることです」と Yu は言いました。しかし、彼はまた、彼らの実験が脳の活動を追跡したのは 1 時間か 2 時間だけだったことにも言及しました。研究者たちは、再結合が脳が新しいタスクを学習するための迅速な暫定的な方法である可能性をまだ排除することはできません。長期間にわたって、再調整または再スケーリングが引き続き表示される場合があります。
もしそうなら、それは、初心者と専門家が共通の関心に関連する新しい情報を処理する方法の違いを説明するかもしれません. 「初心者は持っているものでやりくりし、専門家は知識を統合します」とバティスタは言いました。 「これは、あの有名な現象の神経基盤かもしれません。」
