「注意スイッチ」で環境変化に素早く適応
-注意の働きを持つ神経回路モデルで「プリズム適応」を再現-
【注目の成果:共同研究・産学連携のためのチェックポイント】
![]() | 感覚運動学習や、環境変化に対する脳の適応現象の数学的なメカニズムの理解に貢献すると期待 |
【産学連携対象 全学共通分野 Discovery Saga】
【Sagaキーワード】
生成モデル/AI/データ統合/自由エネルギー/神経回路モデル/環境変化/数値シミュレーション/理論解析/エネルギーモデル/シミュレーション/モデル化/接合部/シナプス/行動選択/脳神経科学/ニューロン/運動学習/可塑性/神経伝達物質/シナプス可塑性/神経科学/神経回路/神経細胞/脳機能
2026年11月16日
理化学研究所
概要
理化学研究所(理研)脳神経科学研究センター 脳型知能理論研究ユニットの吉原 めぐみ 大学院生リサーチ・アソシエイトと磯村 拓哉 ユニットリーダーの研究チームは、脳の情報処理を数理的に表す神経回路モデルに、脳における注意の働き[1]を数理的に表現した調節機構を組み込み、このモデルが、脳が示す適応現象の一例である、「プリズム適応[2]」を再現することを示しました。本研究成果は、感覚運動学習や、環境変化に対する脳の適応現象の数学的なメカニズムの理解に貢献すると期待されます。
今回、研究チームは、複数の行動規則のうちどの規則を優先的に働かせるかを調節する注意の働きを「注意スイッチ」としてモデル化して組み込んだ神経回路モデルを開発しました。このモデルによって、プリズム適応と呼ばれる生物の感覚運動学習現象を再現しました。さらに数理解析により、提案モデルが従来の再学習型モデルと比べて環境変化により速く適応できることを示しました。
本研究は、科学雑誌『Communications Biology』オンライン版(11月16日付:日本時間11月16日)に掲載されました。

プリズム適応現象と、注意スイッチ付きの提案モデルの概略図
背景
生物は、環境変化に素早く適応できます。「プリズム適応」現象は、こうした柔軟な適応の一例です。横方向に視界をずらすプリズム眼鏡をかけて、目標に向かって指を伸ばす「到達運動[3]」を行うと、はじめは指先が目標からずれてしまいます。しかし、同じ運動を何度か繰り返すと、プリズム眼鏡をかけたままでも、次第に適応して目標を正しく指せるようになります。適応後にプリズム眼鏡を外すと、今度は指先が先ほどとは反対方向にずれます。これは、プリズム眼鏡をかけた環境に合わせて、視覚と運動の関係が調整されたことを示します。その後、通常の視界で到達運動を繰り返すと、このずれも次第に消えていきます。この一連の現象は、脳が環境変化に応じて運動を短時間で再調整できることを示唆します。脳では、多数のニューロン(神経細胞)がシナプス[4]を介して信号をやり取りしています。学習の代表的な仕組みの一つが、ニューロン間の結合の強さであるシナプス伝達効率[5]を変化させる「シナプス可塑性[5]」です。つまり、環境が変化したときにシナプス伝達効率を更新することで、新しい環境に適した行動規則を学び直すことができます。
一方、脳には、シナプス伝達効率そのものをその都度更新して学習する仕組みに加えて、神経回路の働き方を一時的に調節する注意の働きがあります。神経修飾物質[6]が、ニューロンの活動や信号の伝わりやすさを調節し、注意による神経回路の調節に関与すると考えられています。このように、環境変化への適応には、シナプス伝達効率を変化させて行動規則そのものを学び直す方法だけでなく、以前に学習した行動規則を保持したまま、注意の働きによって行動規則の使い方を調節する方法も考えられます。しかし、プリズム適応のような環境変化への素早い適応において、これらの学習や調節の仕組みがどのように関与しているのかは、十分に分かっていません。
そこで本研究では、この二つの適応の仕組みについて数理モデルとして比較を行いました。そして、シナプス重み[5]を更新して行動規則を再学習する仕組みと、注意の働きによって学習済み行動規則の優先度を調節する仕組みのどちらが、実験的に知られているプリズム適応の性質をよく再現できるかを検証しました。
研究手法と成果
従来の正準神経回路[7]モデルでは、行動規則は神経回路内のシナプス重みによって表されます。環境が変化すると、新たに得られた感覚情報に基づいて、このシナプス重みそのものを、試行を重ねながら書き換え、行動規則を、現在の環境に適したものへと更新していきます。これに対して本研究における提案回路モデルは、シナプス重みそのものを変更するのではなく、複数の学習済みの行動規則を、それぞれ異なるシナプス重みによって保持しておき、どの行動規則を優先して使うかを調節する注意の働きを、「注意スイッチ」として正準神経回路モデルに組み込みました。提案モデルは、あらかじめ事前に学習された、複数の行動規則を保持します。それぞれの行動規則は通常視野の下でのさまざまなターゲット位置への到達運動を用いて訓練されたもので、事前学習時にはプリズム眼鏡を一切経験していません。そしてモデルは、現在得られている感覚情報に基づいて、それぞれの行動規則が今の環境にどの程度適しているかを評価し、注意スイッチにより各行動規則に与える優先度を調整します。この評価には、「変分自由エネルギー[8]」と呼ばれる指標を用います。提案モデルは、この指標の値が小さくなるように各行動規則の優先度を更新します。これにより、現在の感覚情報を最もよく説明できる行動規則を優先的に選びます。本研究では、神経修飾の働きにより、優先度を調節する仕組みを提案しました。
このモデルを用いて、プリズム眼鏡をかけた状態と外した状態における到達運動のシミュレーションを行いました。その結果、プリズム眼鏡をかけた直後に指の位置が目標から大きくずれ、その後、運動を繰り返すにつれて誤差が小さくなる過程を再現できました。この過程で、指の位置と行動のずれを認識してそのずれが小さくなるように各行動規則の優先度を更新し、行動を修正したことが確認されました。さらに、プリズム眼鏡を外した直後に指が反対方向へずれる現象と、その後の運動によって誤差が再び小さくなる過程も再現できました(図1)。

図1 プリズム適応の流れと提案モデルによるシミュレーション結果
上図は、プリズム適応の一連の流れ。下図は、提案した注意スイッチ付きモデルでプリズム適応現象をシミュレートした結果を示す。提案モデルは、プリズム眼鏡をかけたときの指の位置のずれが小さくなっていく過程や、プリズム眼鏡を外した後の位置のずれが小さくなっていく過程を再現した。シミュレーションの図におけるカラーマップは、各位置における行動規則を表す(色=動作方向)。
一方、シナプス重みを直接書き換えることによって行動を更新する従来の神経回路モデルは、プリズム眼鏡をかけた後の適応過程をある程度再現できたものの、眼鏡を外した後に見られる一連の変化を十分に再現できませんでした。
さらに、行動規則の誤差、および指先の位置の誤差が、試行回数とともにどのように減少するかを数理的に解析しました。その結果、行動規則を再学習する従来型モデルでは、誤差が試行回数のべき乗に従って減少しました。一方、複数の行動規則の優先度を更新する提案モデルでは、誤差が試行回数に対して指数関数的に減少することが示されました(図2)。この急速な減少は、通常視野で事前学習した行動規則群に十分な多様性があったため、現在のプリズム眼鏡下での到達運動という新規課題に学習済みの知識を転用できたことにより起きたといえます。
プリズム適応の生体実験では、試行に伴う到達誤差の減少を、指数関数を用いてフィッティング(モデル化)することがあります。本研究の解析結果は、このような生体実験の結果とも矛盾せず、注意の働きによる調整の仕組みが、このような速い誤差減少を生み出す計算メカニズムの一つになり得ることを示しています。これらの結果から、プリズム適応において、脳は環境が変化するたびに行動を全て学び直すのではなく、過去に獲得した複数の行動規則を保持し、注意の働きによって適切な規則を選び直すことで、素早く適応している可能性が示唆されました。

図2 従来型モデルと提案モデルの適応の速さの比較
上図は、行動規則そのものを学習し直す従来型モデル。下図は、学習済みの行動規則を注意スイッチによって使い分ける提案モデルを示す。各図の左側がモデルの模式図、右側が試行回数に伴う誤差の変化である。グラフの太線は理論解析による予測、細線は数値シミュレーションの結果を表す。従来型モデルでは行動規則の誤差がべき乗則に従って減少するのに対し、提案モデルでは指数関数的に、より速く減少する。数理モデル解析で理論的に証明された。
今後の期待
本研究は、学習済みの行動規則を保持したまま、環境に応じてその使い分けを変えるという仕組みによって、素早い適応が可能になることを数理モデルで示しました。実際の脳が本モデルと同じ仕組みで働いていることを直接証明したものではありませんが、注意や神経修飾による神経回路の切り替えが、生物の柔軟な適応を支えている可能性を示す、検証可能な仮説を提示しています。本研究は、生物が環境の変化に柔軟に対応するための神経回路の仕組みを、数学的に理解するための一つの指針になると期待されます。補足説明
1.注意の働き必要な情報を選択的に優先して処理する脳の働き。
2.プリズム適応
プリズム眼鏡による視界のずれに応じて、脳が視覚と運動の関係を調整する現象。
3.到達運動
目標物に向かって手や指を伸ばす運動。
4.シナプス
ニューロンから別のニューロンへ信号を伝える接合部。
5.シナプス伝達効率、シナプス可塑性、シナプス重み
シナプス伝達効率は、あるニューロンから別のニューロンへ信号がどの程度伝わりやすいかを表す結合の強さのこと。シナプス可塑性はシナプス伝達効率が長期的に変化する現象のこと。数理モデルでは、シナプス伝達効率を「シナプス重み」と呼ばれるパラメーターとして表す。
6.神経修飾物質
ニューロンから放出される神経伝達物質のうち、広範囲のニューロンの活動に作用するものの総称。不要な情報を無視しつつ必要な情報に集中する「注意の働き」に関与するとされている。
7.正準神経回路
知覚、推論、学習、行動選択などの脳機能を、ニューロンの活動とシナプス結合によって数理的に表現した神経回路モデル。
8.変分自由エネルギー
モデルによる予測と実際の感覚情報との整合性などを評価する数学的な量。一般に、この値が小さいほど、モデルの予測が感覚情報をよく説明していると解釈される。
研究支援
本研究は、理化学研究所大学院生リサーチ・アソシエイトプログラム、日本学術振興会(JSPS)科学研究費助成事業学術変革領域研究(A)「生成モデルのリバースエンジニアリングに基づく脳型人工知能の創出(研究代表者:磯村拓哉、JP23H04973)」、科学技術振興機構(JST)戦略的創造研究推進事業CREST「多感覚の統一的知覚を担う座標変換回路の解明(研究代表者:大木研一、JPMJCR22P1)」、日本医療研究開発機構(AMED)脳神経科学統合プログラム「脳データ統合プラットフォームの開発と活用による脳機能と疾患病態の解明(研究代表者:岡部繁男、JP23wm0625001)」の助成を受けて行われました。原論文情報
Megumi Yoshihara, Takuya Isomura, "Transferring active inference to newly encountered prism-shifted environments",Communications Biology,10.1038/s42003-026-11152-5発表者
理化学研究所脳神経科学研究センター脳型知能理論研究ユニット
大学院生リサーチ・アソシエイト 吉原 めぐみ(ヨシハラ・メグミ)
ユニットリーダー 磯村 拓哉(イソムラ・タクヤ)

吉原 めぐみ

磯村 拓哉
発表者のコメント
生物は、環境の変化に対して柔軟かつ素早く適応する能力を持っています。脳がどのような仕組みでこの適応を実現しているのかを理解することは、神経科学の理解を深めるだけでなく、生物の柔軟な情報処理を応用した新しい情報処理技術の発展にもつながる可能性があります。本研究が、その仕組みを数理的に理解するための一つの足がかりになればと考えています。(吉原 めぐみ)報道担当
理化学研究所 広報部 報道担当お問い合わせフォーム
理化学研究所 研究