スライド - NTT

脳の分散的・確率的・可塑的な情報処理
櫻井芳雄
同志社大学脳科学研究科神経回路情報伝達機構部門
京都大学文学研究科心理学研究室
脳の解明＝詳細な機能局在を見つけること？
1825年
脳の情報処理の謎

どのようにして無限の情報を簡単に表現できるのか？

どのようにして情報と情報を簡単に連合できるのか？

どのようにして複数情報を簡単にカテゴリー化できるのか？

どのようにして既存情報から新たな情報を簡単に創れるのか？
何がどのように情報を
表現しているのか？
細胞外慢性記録
電
極
神経細胞
（ニューロン）
刺激提示
ニューロンの発火
個々のニューロン－活動が極めて不安定、死滅したり損傷したりする
？
しかし脳の情報表現は安定している
単一ニューロンによる表現の問題点
• 活動が不安定かつ不規則である
• 自発発火のためＳＮ比が悪い
• 次のニューロンへの影響が小さい
• 異なる複数事象への応答がある
• 無限の情報生成に対応できない（組み合わせ爆発）
• 情報の連合・分離・程度の違い等を表しにくい
ニューロン集団による協調的な情報表現
セル・アセンブリ
（cell assembly）
による情報表現
by D.O. Hebb
(Hebb, 1949)
1949
2002
2011
ニューロン集団の活動アンサンブルを検出
記録例
情報処理の目的に応じて自在に作られる機能的集団
Eichenbaum (1993)
構造に依存せず機能に依存する柔軟な情報表現
機能局在に基づく回路動作的な情報表現
分散的・確率的・可塑的な情報表現
Science, 177: 850-864, 1972
John (1972)
Olds (1975)
聴覚作業記憶に関わる各部位のニューロン
Sakurai (1990)
聴覚弁別（Ａ），視覚弁別（Ｖ）、視聴覚弁別（Ｃ）
に関わる海馬ニューロン
Sakurai (1996)
Arieli et al. (1995)
神経科学実験（電気生理学）が示すこと
•
一つの情報処理に多数の脳部位が関わって活動する
•
一つの脳部位は多数の情報処理に関わって活動する
•
情報処理をしている時としていない時の差はわずかである
分散的・確率的・可塑的な情報表現
(Raichle, 2010)
不快刺激
相関法
不快刺激がある？
扁桃体の活動が上昇
扁桃体の活動が上昇
逆推定
（decoding)
脳の活動だけを見て、その人が何をしているのかわかること
Lip reading 中の聴覚野の賦活
Calvert et al. (1997)
Science, 210: 1232-1234, 1980 より
脳活動イメージングが示すこと
•
一つの情報処理に多数の脳部位が関わって活動する
•
一つの脳部位は多数の情報処理に関わって活動する
•
情報処理をしている時としていない時の差はわずかである
•
機能局在は固定しておらず変化する
•
脳の活動パターンには個性がある
分散的・確率的・可塑的な情報表現
ブレイン-マシン・インタフェース（BMI）
（ブレイン－マシン・インタフェース最前線（工業調査会刊）より）
NHKスペシャル「サイボーグ技術が人類を変える」（2005）より
O’Dohery et al. (2011) Nature
Hochberg et al. (2012)
何のためにＢＭＩを研究するのか？
脳の情報表現で操作する介護システムを作る
脳の情報表現とその可塑性を明らかにする
分散的・確率的・可塑的な情報表現
NHKスペシャル「サイボーグ技術が人類を変える」（2005）より
YouTubeより
運動野にある数千万のニューロンの中からわずか５０～１００個をランダムに選ぶだけでロ
ボットアームがサルの腕とほぼ同じ動作を再現した。
ロボットアームの動作の精度は計測したニューロン数に比例し、腕の動作を９５％の精度で
予測するためにはわずか５００～７００個のランダムに選ばれたニューロンで十分であった
Nicolelis (2011)
運動野だけでなく頭頂野のニューロンからも運動の予測が可能であった
Nicolelis (2011)
ニューロフィードバック（ニューラルオペラント）課題
多数ニューロン活動の自動判別装置 (RASICA)
多数のニューロン活動
Raw dodecatrode data
Realtime spike sorting
Task control PC
特殊電極
報酬
神経活動を強化
発火頻度
同期発火
行動を強化
Sakurai & Takahashi （2013)
同期発火を強化
行動を強化
発火頻度を強化
(nose-poke)
(spikes in 40-100ms window)
Spikes (Hz)
Spikes (Hz)
S20-4
D1
15
10
5
(synchrony in 2-4ms window)
Spikes (Hz)
HPC
15
10
5
15
10
5
Cell 1
-1000
500
0
500
1000
-1000
500
0
500
Time (ms)
Response & Reward
-1000
10
0
500
5
1000
Response & Reward
Spikes (Hz)
15
500
Time (ms)
Response & Reward
Spikes (Hz)
Spikes (Hz)
1000
Time (ms)
15
10
5
15
10
5
Cell 2
-1000
500
0
500
1000
-1000
500
0
500
Time (ms)
Response & Reward
-1000
10
0
500
5
1000
Response & Reward
Spikes (Hz)
15
500
Time (ms)
Response & Reward
Spikes (Hz)
Spikes (Hz)
1000
Time (ms)
15
10
5
15
10
5
Cell 3
-1000
500
0
500
1000
-1000
500
0
500
Time (ms)
Response & Reward
-1000
10
0
500
5
1000
Response & Reward
Spikes (Hz)
15
500
Time (ms)
Response & Reward
Spikes (Hz)
Spikes (Hz)
1000
Time (ms)
15
10
5
15
10
5
Cell 4
-1000
500
0
500
1000
-1000
500
0
500
Time (ms)
Response & Reward
-1000
10
5
0
500
1000
Response & Reward
Spikes (Hz)
15
500
Time (ms)
Response & Reward
Spikes (Hz)
Spikes (Hz)
1000
Time (ms)
15
10
5
15
10
5
Cell 5
-1000
500
0
500
1000
-1000
500
0
500
Time (ms)
Response & Reward
1000
-1000
500
0
500
Time (ms)
Response & Reward
1000
Time (ms)
Response & Reward
HPC
同期発火を強化
(spikes in 40-100ms window)
(synchrony in 2-4ms window)
Total spikes / bin
30
15
0
-100
50
0
50
30
Total spikes / bin
(nose-poke)
Total spikes / bin
Cells 2-4
発火頻度を強化
行動を強化
S12-3
D1
15
0
100
-100
50
15
0
50
0
50
0
-100
50
50
50
0
50
50
0
0
Time (ms)
50
100
50
50
0
0
Time (ms)
100
50
100
50
100
15
0
-100
50
0
Time (ms)
15
50
0
30
100
30
-100
50
0
-100
Total spikes / bin
15
50
0
100
Time (ms)
0
-100
0
15
Time (ms)
30
-100
50
30
100
15
100
Total spikes / bin
Total spikes / bin
Cells 4-5
50
30
Time (ms)
50
0
-100
Total spikes / bin
Total spikes / bin
Total spikes / bin
0
100
15
Time (ms)
15
50
0
50
Time (ms)
0
-100
0
30
100
15
100
30
-100
50
30
Time (ms)
Cells 3-5
0
Total spikes / bin
Total spikes / bin
Total spikes / bin
0
0
50
Time (ms)
15
50
-100
Time (ms)
15
100
30
-100
0
100
30
Time (ms)
Cells 3-4
50
Total spikes / bin
30
-100
0
15
Time (ms)
Total spikes / bin
Cells 2-5
Total spikes / bin
Time (ms)
30
50
100
30
15
0
-100
50
0
Time (ms)
脳は特定のニューロン集団の
発火頻度と同期発火を制御できる
セル・アセンブリの制御
神経情報の制御も可能？
効果的な脳リハビリテーション法の開発も可能？
ブレイン－マシン・インタフェースが示すこと
•
一つの情報処理に多数の脳部位が関わって活動する
•
一つの脳部位は多数の情報処理に関わって活動する
•
機能局在は固定しておらず変化する
•
脳は特定のニューロン集団の活動を自ら制御できる
分散的・確率的・可塑的な情報表現
脳科学の不幸な歴史は繰り返す？
1930年代の脳波実験
（『身体補完計画』原克
2010 より）
謝辞
科学技術振興機構戦略的創造研究推進事業（CREST）
「高齢脳の学習能力と可塑性のBMI法による解明」
文部科学省脳科学研究戦略推進プログラム
「BMI用マルチニューロン記録解析法の開発と神経可塑性の解析」
総務省特定領域重点型研究開発（SCOPE）
「脳－機械直接通信型インターフェイス・システムに関する研究開発」
高橋晋
金子武嗣
藤山文乃
青柳富誌生
飯島敏夫
小池康晴
同志社大学脳科学研究科
京都大学医学研究科
同志社大学脳科学研究科
京都大学情報学研究科
東北大学生命科学研究科
東京工業大学精密工学研究所

Download Report