ペンシルバニア大学：研究者らはAIが脳の潜在能力を刺激できることを発見

「ブラックボックス」に関して言えば、人間の脳はおそらく最も理解するのが難しいものです。無数の科学者は、そのメカニズムが複雑すぎてその秘密を垣間見ることができないと嘆いています。

幸いなことに、私たち自身ではこの謎を解くことはできないかもしれませんが、機械の助けがあれば、結果は異なるかもしれません。ネイチャー・コミュニケーションズ誌の最新号で、ペンシルバニア大学の心理学者マイケル・カハナ氏が率いる研究チームは、よく知られている「ブラックボックス」である機械学習アルゴリズムが人間の記憶を解読し強化できると指摘した。具体的にどうやって達成するのでしょうか?答えは、正確でリアルタイムの電気信号を脳に送ることです。

言い換えれば、研究者たちは、1 つの「ブラック ボックス」を使用して、別の「ブラック ボックス」の巨大な可能性を解き放つ準備をしているのです。このアプローチは非常に複雑に感じられます。一方では、これは信じられないほどの問題に対する解決策です。一方で、まるで「アポカリプス」のようなSFホラー映画の始まりのように聞こえるので不安になります。

脳を測定する最良の方法は、もちろん頭蓋骨を直接覗くことだが、公的機関や機関の審査委員会は、科学の名の下に他人の頭蓋骨を開くことを許可しないだろう。そこでカハナ氏のチームはてんかん患者25人を対象に、てんかんに関連する脳放電を監視するために各患者の脳に100～200個の電極を移植した。カハナ氏のチームはこれらの電極を使用して、記憶課題に関連する脳の活動も記録した。

機械学習アルゴリズムは、電極信号と患者が単語を覚えている可能性を相関させることを学習しました。

カハナ氏のチームはまず、何かを記憶するときの脳の状態を理解した。研究者たちは、患者がリストにある単語を読んで思い出そうとしている間、各電極から毎秒何千もの電圧測定値を収集した。次に、患者の記憶を測定し、どの脳活動が単語の記憶と忘却に対応しているかを判断しました。

カハナ氏のチームは上記の測定を数回繰り返した。各患者を2～3回測定した後、アルゴリズムをトレーニングするのに十分なデータを収集しました。これらのアルゴリズムは、患者の脳電極の活動に基づいて、個々の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ます。

この研究の鍵となるのは、電極が神経の活動を読み取るだけでなく、神経を刺激することもできるという点です。研究者たちは、脳を刺激することでリアルタイム記憶を改善（カハナ氏のチームが「救済」と呼ぶもの）しようとしている。被験者には数秒ごとに新しい単語が示され、アルゴリズムは被験者の脳信号に基づいてその単語を記憶できるかどうかを判定した。 「これは閉ループシステムで、被験者の脳の状態を記録し、目の前にあるものを思い出せるかどうかを分析し、思い出せない場合には刺激を与えるという一連の処理をすべて数百ミリ秒以内に実行できる」とカハナ氏は語った。

実験により、このアプローチが実際に効果的であることが示されました。カハナ氏のチームのシステムの助けにより、これらの患者の記憶力は平均15％向上しました。

カハナ氏の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、彼らのチームは、電極パルスが記憶力を向上させることも悪化させることもでき、その鍵は電極パルスを適用するタイミングにあると提唱した。研究で研究者らは、脳の機能が低下している期間に脳の記憶領域を刺激すると、被験者はより高いスコアを達成したことを発見した（機能が向上している期間に刺激を与えた場合は逆の効果が見られた）。これは重要な発見ですが、残念ながら治療には役立ちません。研究者は記憶テストを実施した後にのみ、記憶と脳の状態の関係を定義できるからです。記憶力を高めたい場合は、記憶プロセス中にパルス刺激を適用する必要があります。

現在、カハナ氏とその同僚は機械学習アルゴリズムの助けを借りてループを閉じました。 「これは猫の画像を認識するのと同じアルゴリズムですが、脳の電気的活動を監視して、脳が学習に適した状態にあるかどうかを判断するために使用します」とカハナ氏は語った。 「電気信号が脳が記憶を効率的にエンコードしていることを示している場合、私たちはそれを無視します。そうでない場合、システムはより効率的にするためにすぐに脳に電気パルスを送ります。それは脳のペースメーカーのような働きをします。」

カリフォルニア大学サンディエゴ校の神経科学者、ブラッドリー・ボイテック氏は、この研究結果について次のようにコメントしている。「決定的ではありませんが、間違いなく有望です。鍵となるのは、この分野の次の研究でより良い結果が得られるかどうかです。患者の脳にもっと多くの電極を埋め込めば、アルゴリズムはより短い時間軸でより多くの神経信号を解読でき、システムの特異性を高めることができます。より豊富なデータも、システムのパフォーマンス向上に役立ちます。てんかん患者のほとんどは、同様の研究に数週間しか参加しません。トレーニングのためにより長い期間にわたってデータを収集できれば、モデルのパフォーマンスは間違いなく向上します。」

しかし、たとえこのシステムでより詳細かつ豊富なデータを収集できたとしても、科学者は「ブラックボックス」アルゴリズムを使用して人間の脳を研究し操作するとどのような結果が生じるのかという問題に直面しなければならない。カハナ氏のシステムは特定の状況下で被験者の単語記憶能力を向上させることができるが、このプロセスがどのように達成されるのかは不明だ。これがまさに機械学習の本質です。

幸いなことに、カハナ氏のチームはこれを認識しており、一部のアルゴリズムの原理を詳細に調べるのは比較的簡単です。この研究では、研究者らは単純な線形分類器を使用し、個々の電極の活動がモデルによる脳活動パターンの区別にどのように影響するかについていくつかの推論を導き出すことができました。 「脳の活動を記録するために使用する特徴が相関しているかどうかはまだ分からない」と、この研究の機械学習分析を主導したペンシルベニア大学の心理学者、ユーセフ・エズヤット氏は述べた。

より複雑なディープラーニング技術は、必ずしも認知能力の大幅な向上につながるわけではありません。しかし、もしそれが機能するなら、研究者たちは、電気パルスを使って人間の脳を強化するアルゴリズムがどのように機能するかを解明するために頭を悩ませることになるだろう。あるいは、深刻な結果をもたらし、研究者が原因を解明してそれを防ぐことができるようになるでしょう。

出典: Leifeng.com