ロンドン大学シティ校（UCL）の研究者たちは、脳がどのように過去の出来事を再構築し、新たなシナリオを想像するのかを示す、AIモデルを用いた研究を発表した。この結果は、人間の記憶に関する我々の理解を前進させる物である。
人間の記憶は、世界について学んだり、過去の経験を追体験したり、想像や計画のためにまったく新しいシナリオを構築したりする能力に貢献するなど、さまざまな認知プロセスにおいて重要な役割を果たしている。
「AIで使用される生成ネットワークの最近の進歩は、特定の経験を思い出すと同時に、新しい経験がどのようなものかを柔軟に想像できるように、経験から情報を抽出できることを示しています。記憶とは、概念に基づいて過去を想像することであり、記憶された詳細と、起こったかもしれないことについての予想とを組み合わせることです」と、この研究の主執筆者でUCLの博士課程に在籍するEleanor Spens氏は語った。
このモデルは、（生成ニューラルネットワークとも呼ばれる）は、私たちの脳が休息中に記憶を再生することで、過去の経験からパターンを拾い上げ、それを予測に役立てる方法や、どのようにさまざまな出来事を観察し、記憶しているかを学ぶことを可能にするという。
研究者たちは脳の2つの部分に注目
研究者らの目的は、脳の海馬と大脳新皮質という2つの部分を研究し、それらがどのように連動して働くかを理解することだ。
海馬は脳の重要な部分で、記憶の形成と定着、空間ナビゲーションに基本的な役割を果たしている。大脳新皮質は、注意、思考、知覚、エピソード記憶の神経細胞計算を担っていると考えられている。
そのため、この研究では海馬と大脳新皮質を表すネットワークを特徴とするAIの計算モデルを用いられた。
研究チームは、AIモデルに約1万枚の画像を見せて、脳のネットワークがそれらをどのように学習し記憶するかを見るという研究モデルを使用した。それぞれの画像は、物語の単純な場面のようなものだった。海馬のネットワークは各シーンを素早く取り込み符号化した。そして、それを何度も再生することで、大脳新皮質のニューラルネットワークを訓練した。
大脳新皮質ネットワークは、情報を整理することによって、これらのシーンを再現することを学ぶ事ができたという。大脳新皮質ネットワークは、各シーンを表現する何千もの入力ニューロン（視覚情報を受け取るニューロン）の活動を、より小さな中間ニューロン層（最小のものでも20ニューロンしかない）に通し、何千もの出力ニューロン（視覚情報を予測するニューロン）の活動パターンとしてシーンを再現することを学習した。
新皮質のネットワークは、壁や物の配置のような重要な部分を見つけ出し、「概念化」することで、脳が古いシーンを記憶することも、まったく新しいシーンを思いつくこともできるようになったのだ。
その結果、海馬は提示された新しいシーンの意味を、細部まで符号化する事なく、提示された新たなシーンの意味を符号化することができるようになり、大脳新皮質が再現できないユニークな特徴（新しいタイプの物体など）の符号化にリソースを集中させることができるようになった。
このモデルから得られた知見は、我々人間の大脳新皮質がどのようにして概念的な知識をゆっくりと獲得し、海馬と協力して心の中で出来事を再構築することでどのようにして出来事を「再体験」できるのかを説明するという。つまりこうすることで、私たちの脳は細部まで記憶する必要がなくなり、それぞれの状況におけるユニークな点や異なる点に集中できるようになるため、効率的な作業ができるようになるのだ。
この研究では、休息中に記憶を再生すると、脳が過去の経験からパターンを拾い上げやすくなることが示唆されている。これは、危険を避けたり、食べ物を見つけたりといった将来の予測に役立つため、非常に重要である。
つまり、この研究は、私たちの脳がどのようにして経験から学び、それを記憶し、その知識を使って新しいことを想像したり、次に起こりそうなことを計画したりするのかを示すものだ。
UCLの教授であり、この研究の上席著者であるNeil Burgess氏は、「記憶が過去の真実の記録ではなく、どのように再構成されるかは、経験の意味や要点がどのようにユニークな詳細と組み合わされるかを示しています」と、述べている。
論文
- Nature Human Behaviour: A generative model of memory construction and consolidation
参考文献
- MedicalXpress: Generative AI helps to explain human memory and imagination
研究の要旨
エピソード記憶は（再）構築され、想像力と神経基盤を共有し、スキーマに基づく予測に独自の特徴を組み合わせ、統合に伴って増大するスキーマに基づく歪みを示す。ここでは、海馬の再生（自動連想ネットワークから）が生成モデル（変分オートエンコーダ）を訓練し、海馬形成を介して、嗅内皮質、内側前頭前皮質、前外側側頭皮質の潜在的変数表現から感覚経験を（再）創造する計算モデルを示す。シミュレーションでは、記憶年齢と海馬病変の影響が示され、従来のモデルと一致したが、意味記憶、想像、エピソード的未来思考、関係推論、境界拡張を含むスキーマに基づく歪みのメカニズムも示された。このモデルは、海馬と新皮質の両システムを効率的に組み合わせることで、記憶の中のユニークな感覚的要素や予測可能な概念的要素がどのように記憶され、再構成されるかを説明するものであり、限られた海馬の記憶を、新しい情報や珍しい情報に対して最適に利用するものである。全体として、海馬再生訓練生成モデルは、記憶の構築、想像、統合に関する包括的な説明を提供すると考えている。
コメントを残す