科学者は、脳が過去と現在を区別するために「回転」を使用していることを発見し、AIアーキテクチャ設計のアイデアを提供します。

[[398867]]

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

過去と現在の境界はどこにあるのでしょうか？

混沌とした時間の中で、人間はどうやって過去と現在を区別するのでしょうか?

これは哲学的な質問ではないことに注意してください。 （手動犬頭）

それは科学者の最新の研究です。

プリンストン大学の神経科学者2人がこの質問に幾何学的に答えました。

研究者たちは、人間の脳が新しい感覚情報と初期の記憶を区別するために「回転」を利用していることを発見した。

過去と現在が干渉しないように 90 度回転させます。

具体的にはどのように実現されるのでしょうか?

脳は時間をどのように認識するのでしょうか?

私たちが環境を理解し、学び、行動し、考える能力は、常に感覚と記憶の継続的で柔軟な相互作用に依存してきました。

一方で、私たちは感覚を通して周囲の世界についての新しい情報を取り入れなければなりません。同時に、以前の現象や出来事の短期記憶も維持されなければなりません。

これを達成するには、脳が感覚と記憶の違いを認識する必要があります。

しかし、過去の経験から、脳は短期記憶機能を高次の認知領域に完全には分割していないことが分かっています。

代わりに、経験を表す感覚領域と他の皮質中枢への分割がさらに進んでいます。

最近、2人の神経科学者がNature Neuroscience誌に研究を発表し、脳が両方を同時に処理する仕組みを明らかにした。

言い換えれば、脳は感覚情報を「回転」させて記憶にエンコードします。

2 つの「直交」表現は、互いに干渉することなく同時に神経活動から情報を抽出します。

それを知るために、科学者たちはマウスの聴覚知覚に注目した。

研究者たちはマウスに4つの和音の連続を繰り返し聞かせ、それによって和音間の関連性を確立させた。

マウスは最初の和音の後に別の和音を聞くと、次にどんな音が来るかを予測することができました。

この時点で、科学者たちは、マウスが音を聞いているときの聴覚皮質の神経活動を分析するために ML 分類器をトレーニングしました。

時間が経つにつれて、関連する和音の神経表現が互いに類似し始めたことがわかった。

しかし、なじみのないコードシーケンスに遭遇すると、マウスが以前の入力の表現を変更することも観察されました。

これらのニューロンは、過去の刺激のエンコードを逆転させて、動物の後の刺激のエンコードと一致させます。

では、脳はどのようにしてこれらの干渉と戦い、正しい記憶を保存するのでしょうか?

研究者たちは、その過程で記憶表現を認識して区別できるように別の分類器を訓練した。

たとえば、予期しないコードが、より馴染みのあるシーケンスとの比較を喚起するときにニューロンが発火する仕組みです。

その結果、分類器は神経活動のパターンを単に「修正」するのではなく、実際に完全なパターンを確認したことになります。

これらの記憶コードは感覚表現とは非常に異なっており、「直交」次元に沿って構成されています。

研究者らは、このプロセスは紙にメモを書くようなものだと述べている。

書いている途中でスペースが足りなくなったら、紙を90度回転させて反対側の空白のスペースに書いてください。

こんな感じです。

基本的にこれが脳が行っていることです。

最初の感覚入力を取得し、それを紙に書き留めてから 90 度回転させます。これにより、新しい感覚入力を干渉や上書きなしに書き込むことができます。

さらに、彼らは、感覚と記憶の表現が異なるニューロンによって独立して処理される可能性を排除した。

彼らは、ニューロンの活動が2つのカテゴリーにきちんと分類できることを発見した。

1 つのタイプは、感覚と記憶の表現を担う「安定した」ニューロンであり、もう 1 つのタイプは、アクティブになると応答パターンを切り替える「スイッチ」ニューロンです。

感覚情報を記憶に変換するプロセスは、時間の経過とともに選択性を維持する「安定化」ニューロンと、時間の経過とともに選択性を逆転させる「スイッチング」ニューロンの組み合わせによって促進されます。

これらの神経反応が一緒になって集団表現を回転させ、感覚入力を記憶に変換します。

このアプローチでは、必要なニューロンの数とエネルギーが少なくて済むことが判明しました。

この研究は、プリンストン大学の神経科学者ティモシー・ブッシュマン氏と彼の研究室の大学院生アレクサンドラ・リビー氏によるものである。

ティモシー・ブッシュマン

リビー氏は、この研究はニューラルネットワークアーキテクチャ、特に複数のタスクを処理できるものに対する新しい設計アイデアの提供に役立つ可能性があると述べた。