記憶の有用性は、脳が記憶を保存する場所をガイドします | クアンタマガジン

記憶は単一の科学的謎を表すものではありません。 それはたくさんあります。 神経科学者や心理学者は、過去の経験のエピソード記憶、事実の意味記憶、短期および長期記憶など、私たちの脳内に共存するさまざまな種類の記憶を認識するようになりました。 これらは異なる特徴を持っていることが多く、脳の異なる部分に位置しているようにさえ見えます。 しかし、記憶のどのような特徴が、記憶をどのように、あるいはなぜこのように並べ替えるべきかを決定するのかは、これまで明らかになっていませんでした。

今回、人工ニューラルネットワークを使用した実験に裏付けられた新しい理論は、脳が将来ガイドとして役立つ可能性を評価することによって記憶を分類している可能性があることを提案しています。 特に、事実から有益な繰り返しの経験に至るまで、予測可能な物事の多くの記憶（定期的に朝食に食べるものや通勤途中の歩き方など）が脳の新皮質に保存されており、世界についての一般化に貢献できることが示唆されています。 役に立つ可能性が低い記憶、たとえば、そのパーティーで飲んだ独特の飲み物の味などは、海馬と呼ばれるタツノオトシゴの形をした記憶バンクに保存されます。 このように記憶の有用性と一般化可能性に基づいて記憶を積極的に分離すると、新しい状況を乗り越えるのに役立つ記憶の信頼性が最適化される可能性があります。

新しい理論の著者 - 神経科学者 孫渭南 および ジェームズ・フィッツジェラルド ハワード・ヒューズ医学研究所ジャネリア・リサーチ・キャンパスの アンドリュー・サックス ユニバーシティ・カレッジ・ロンドンの博士とその同僚 — で説明されています。 最近の論文 in ネイチャーニューロサイエンス。 これは、脳には XNUMX つのリンクされた相補的な学習システムがあるという確立された考えを更新し、拡張したものです。新しい情報を迅速にエンコードする海馬と、長期保存のために情報を徐々に統合する新皮質です。

ジェームズマクレランドスタンフォード大学の認知神経科学者であり、記憶における相補学習システムのアイデアを先駆者としているが、新しい研究には参加していないが、それは、自分のグループがこの理論を提案したときに考えていなかった「一般化の側面に取り組んでいる」と述べた。 1990年代半ば。

科学者たちは、記憶の形成が多段階のプロセスであることを少なくとも1950年代初頭から認識しており、それはヘンリー・モレソンという名前の患者（科学文献では何十年もの間HMとしてのみ知られていた）の研究から部分的に分かる。なぜなら彼は海馬から発生した制御不能な発作に苦しんでいたからだ、外科医はその脳構造の大部分を除去することで彼を治療しました。 その後、患者はほとんどの点で全く正常に見えました。彼の語彙は無傷でした。 彼は幼少期の記憶を保持しており、手術前の人生のその他の詳細も覚えていました。 しかし、彼はいつも看護師の世話を忘れていました。 彼女は彼の世話をしたXNUMX年間、毎朝新たに自己紹介をしなければなりませんでした。 彼は新たな長期記憶を作り出す能力を完全に失っていた。

モレゾンの症状は、新しい記憶が最初に海馬で形成され、その後徐々に新皮質に転送されることを科学者が発見するのに役立ちました。 しばらくの間、これはすべての永続的な記憶に起こると広く考えられていました。 しかし、研究者たちが次のような現象を観察し始めると、 増え続けます 長期にわたって海馬に依存したままの記憶の例を調べたところ、何か別のことが起こっていることが明らかになった。

この異常の背後にある理由を理解するために、新しい論文の著者らは人工ニューラルネットワークに目を向けました。脳内の絡み合った何百万ものニューロンの機能は計り知れないほど複雑だからです。 これらのネットワークは「生物学的ニューロンをほぼ理想化したもの」だが、実際のものよりもはるかに単純だとサックス氏は述べた。 生きているニューロンと同様に、データを受信して​​処理し、重み付けされた出力をネットワークの他の層に提供するノードの層があります。 ニューロンがシナプスを通じて互いに影響し合うのと同じように、人工ニューラル ネットワーク内のノードは、他のノードからの入力に基づいて活動レベルを調整します。

研究チームは、異なる機能を持つ XNUMX つのニューラル ネットワークをリンクして、教師-ノートブック-生徒​​モデルと呼ばれる計算フレームワークを開発しました。 教師ネットワークは、生物が置かれる可能性のある環境を表しました。 それは経験のインプットを提供しました。 ノートブックのネットワークは海馬を表し、教師が提供したあらゆる経験の詳細をすべて迅速にエンコードしました。 学生ネットワークは、ノートに記録された内容を参考にして、教師からのパターンに基づいてトレーニングしました。 「学生モデルの目標は、ニューロン、つまりノードを見つけて、その活動パターンをどのように再生成できるかを説明する接続を学習することです」とフィッツジェラルド氏は述べた。

ノートブックのネットワークから記憶を繰り返し再生することで、誤り訂正を通じて生徒のネットワークを一般的なパターンに同調させました。 しかし研究者らは、この規則の例外にも気づいた。生徒があまりにも多くの予測不可能な記憶、つまり他の記憶から逸脱しすぎるノイズの多い記憶について訓練された場合、生徒の一般化されたパターンを学習する能力が低下するというものだ。

論理的な観点から見ると、「これは非常に理にかなっている」とサン氏は言う。 家に荷物を受け取るところを想像してみてください。荷物の中に「コーヒーマグや皿など」将来役立つものが含まれている場合、それを家に持ち込んで永久に保管しておくのが合理的だと思われます。 しかし、ハロウィーンパーティー用のスパイダーマンのコスチュームやセール用のパンフレットがパッケージに含まれていれば、家の中を散らかす必要はありません。 これらのアイテムは個別に保管することも、廃棄することもできます。

この研究は、人工知能で使用されるシステムと脳のモデル化に使用されるシステムとの間の興味深い収束を示しています。 これは「これらの人工システムの理論が、脳内の記憶について考えるための新しい概念的アイデアを与えた」例であるとサックス氏は語った。

たとえば、コンピュータ化された顔認識システムの仕組みと類似点があります。 最初に、さまざまな角度から自分の高解像度画像をアップロードするようユーザーに促すこともあります。 ニューラル ネットワーク内の接続により、顔がさまざまな角度から、さまざまな表情でどのように見えるかについての一般的な概念を組み合わせることができます。 しかし、たまたま「友人の顔が含まれている写真」をアップロードした場合、システムは両者の間の予測可能な顔のマッピングを識別することができないとフィッツジェラルド氏は述べた。 これにより一般化が損なわれ、システムの通常の顔を認識する精度が低下します。

これらの画像は特定の入力ニューロンを活性化し、その後アクティビティがネットワークを介して流れ、接続の重みが調整されます。 より多くの画像を使用すると、モデルはノード間の接続の重みをさらに調整して、出力エラーを最小限に抑えます。

しかし、経験が異常で一般化に当てはまらないからといって、それを捨てて忘れるべきだという意味ではありません。 それどころか、例外的な経験を覚えておくことが非常に重要になる場合があります。 これが、脳が記憶をさまざまなカテゴリに分類して別々に保存し、信頼できる一般化には新皮質が、例外には海馬が使用される理由のようです。

この種の研究は「人間の記憶の間違いやすさ」についての認識を高めるとマクレランド氏は述べた。 記憶は有限な資源であり、生物学は限られた資源を最大限に活用するために妥協する必要がありました。 海馬にも経験の完全な記録が含まれているわけではありません。 経験が呼び戻されるたびに、ネットワークの接続の重みが変化し、記憶要素がより平均化されます。 このことは、「目撃証言が度重なる尋問の偏見や影響から守られる」状況について疑問を投げかけている、と同氏は述べた。

このモデルは、より根本的な質問に対する洞察も提供する可能性があります。 「信頼できる知識を蓄積し、情報に基づいた意思決定を行うにはどうすればよいでしょうか?」 言った ジェームズ・アントニーカリフォルニア工科大学の神経科学者だが、この研究には関与していない。 これは、信頼性の高い予測を行うために記憶を評価することの重要性を示しています。多くのノイズの多いデータや信頼性の低い情報は、AI モデルのトレーニングと同様に人間のトレーニングにも適さない可能性があります。