モダリティ非依存な学習メカニズムの解明

認知神経科学研究室(DCN)では,人間の知性と適応性を支える学習のメカニズムを解明することを目指し,計算理論・心理実験・脳活動計測を組み合わせた認知神経科学研究を行っています。従来は,知覚や運動など,モダリティごとに個別の学習実験が設定されてきましたが,私達は「脳状態」という抽象的な対象をも制御できるための統一的な学習理論の構築を目指します(図1)。

図1:ヒトと機械に共通の学習理論とそのレベル

自己の脳状態のモニタリングから制御へ

自分自身の脳活動をリアルタイムに観察すること(自己モニタリング)による脳内での学習効果について,非侵襲脳計測器(fMRI/EEG)を用いた検証実験を行います。特に,効率的な学習を促す呈示法の開発,学習スケジュールの最適化,適切な比較対象群の設定,などを通じた学習理論ベースの脳トレーニングの高精度化を行います。

より自由な学習を加速する主体的インターフェースを目指して

学習の効率を上げるためには,適切な教師信号を与え,それを遅延なく自己状態と照合できるようなインターフェースを開発する必要があります。これにより,誤差を主体的に自己へ帰属することが可能になり,その誤差を最小化しようとする学習意欲(モチベーション)につながります。このように「自己の脳状態」の内部モデルを獲得し,制御可能にする技術を開発します。

1.全脳ダイナミクスをリアルタイム可視化

従来の脳状態のフィードバック技術は,一部の脳領域の活動を使うに留まりました。これは計算機能力の制約に加え,全脳状態を適切に表現する低次元化の手法が未成熟であったためです。私達は,リアルタイム性に優れた脳波信号から,被験者に共通の全脳の空間パターンを抽出し(図2),それとのパターンマッチングをすることで,全脳ダイナミクスをリアルタイムで可視化することを実現しました(図3)。

図2:自発性脳波から被験者共通の空間パターンを抽出

図3:全脳ダイナミクスのリアルタイム可視化技術

2.クローズドループの学習システム

上記のリアルタイム可視化技術は,それを継続的な自己モニタリングツールとして使うことで,教師あり学習を促す訓練を可能にします(図4)。このようにPCや機械と遅延のない閉ループBMI(Brain-Machine Interface)を構築することが,私達の神経表現による学習効率を最大化させる要因にもなり,これからのヒトとAIの共存の形となっていくと考えられます。

図4:教師あり学習による脳状態の誘導を1週間続けた効果例

研究に携わる人々

浅井智久、本間千鶴、濱本孝仁