脳と同じように匂いを覚える人工ニューラルネットワーク

脳と同じように匂いを覚える人工ニューラルネットワーク テクノロジー

人工ニューラルネットワークは、匂いを分類するように指示されると、脳の嗅覚回路によく似た構造をとる。

機械学習を利用すれば、コンピューターモデルがわずか数分で匂いを覚えることができます。

その際、動物の脳が匂いを処理するために使用している嗅覚回路を忠実に再現したニューラルネットワークが構築されることがわかりました。

ミバエから人間まで、すべての動物は基本的に同じ戦略で脳内の嗅覚情報を処理しています。

しかし、神経科学者たちは、人工ニューラルネットワークを訓練して、簡単な匂いの分類タスクに挑戦させたところ、生物学の戦略を忠実に再現していることに驚きました。

マサチューセッツ工科大学(MIT)マクガバン脳研究所(McGovern Institute for Brain Research)の准研究員で、コロンビア大学の博士研究員としてこの研究を主導したGuangyu Robert Yang氏は、「私たちが使っているアルゴリズムは、実際の進化の過程とは似ても似つかないものです。」と語ります。

人工的なシステムと生物学的なシステムが類似していることから、脳の嗅覚ネットワークがタスクに最適化されていると考えられます。

10月6日付の学術誌「Neuron」で研究成果を発表したYang氏と共同研究者は、この人工ネットワークは、脳の嗅覚回路についての研究に役立つだろうと述べています。

また、この研究は、人工ニューラルネットワークの神経科学への関連性を示すものでもあります。

マサチューセッツ工科大学(MIT)の脳・認知科学部門および電気工学・コンピュータサイエンス部門の助教授でもあるYang氏は、「(生物学的システムの)アーキテクチャと非常に正確に一致させることができることを示すことで、ニューラルネットワークが脳をモデル化するための有用なツールであり続けることができるという自信を与えてくれると思います。」と語っています。

自然の嗅覚回路のマッピング

脳の嗅覚回路のマッピングが最もよく行われている生物であるミバエの場合、嗅覚は触角から始まります。

嗅覚ニューロンは、特定の香りを感知するために特化した嗅覚受容体を備えており、匂いの分子の結合を電気的な活動に変換します。

においが検出されると、嗅覚ネットワークの第1層を構成するニューロンが、第2層である触角葉と呼ばれる脳の一部に存在するニューロン群に信号を送ります。

触角葉では、同じ受容体を持つ感覚ニューロンが、同じ第2層のニューロンに収束します。

Yang氏は、「彼らは非常に好みがうるさいです。他の受容体を発現しているニューロンからの入力は一切受け取らないのです。第1層に比べてニューロンの数が少ないため、この部分は圧縮層とみなされます。これらの第2層のニューロンは、第3層のより大きなニューロン群に信号を送ります。不思議なことに、これらの接続はランダムに行われているようです。」と述べています。

計算神経科学者のYang氏とコロンビア大学の大学院生Peter Yiliu Wang氏にとって、ハエの嗅覚系に関するこの知識は、またとないチャンスでした。

脳の中でこれほど包括的にマッピングされている部分はほとんどなく、そのために、ある計算モデルが神経回路の真の構造をどれほどよく表しているかを評価するのが困難だったといいます。

人工嗅覚ネットワークの構築

ニューラルネットワークとは、人工的なニューロンが特定のタスクを実行するために自らを再配線するもので、脳にヒントを得た計算ツールです。

ニューラルネットワークは、複雑なデータセットの中からパターンを抽出するように訓練することができ、音声認識や画像認識などの人工知能に有用です。

このような機能を持つニューラルネットワークは、神経系の活動を最もよく再現しているというヒントがあります。

しかし、現在スタンフォード大学の博士研究員であるWang氏は、異なる構造のネットワークでも同じような結果が得られる可能性があると言い、神経科学者たちは、人工的なニューラルネットワークが実際の生体回路の構造を反映しているかどうかを知る必要があるといいます。

今回、ミバエの嗅覚回路に関する包括的な解剖学的データが得られたことで、「私たちはこのような疑問を持つことができました。人工ニューラルネットワークは本当に脳の研究に使えるのか?」

コロンビア大学の神経科学者であるRichard Axel氏とLarry Abbott氏の協力を得て、Yang氏とWang氏は、ミバエの嗅覚系と同じように、入力層、圧縮層、拡張層からなる人工ニューロンのネットワークを構築しました。

ネットワークには、ミバエの嗅覚系と同じ数のニューロンを配置しましたが、固有の構造は持たせませんでした。

そして、異なる匂いを表すデータをカテゴリーに分類し、単一の匂いだけでなく、匂いの混合物も正しく分類するように求めました。

これは、脳の嗅覚システムが得意とするところだとYang氏は言います。

例えば、2種類のリンゴの香りを混ぜ合わせても、脳はリンゴの香りを感じます。

逆に、猫の写真を1ピクセルずつ合成しても、脳には猫の姿は見えないのです。

この能力は、脳の嗅覚処理回路の特徴の1つにすぎませんが、このシステムの本質を捉えているとYang氏は言います。

この人工ネットワークは、わずか数分で自己組織化されました。

形成された構造は、ミバエの脳で見られるものと驚くほど似ていました。

圧縮層の各ニューロンは、特定の種類の入力ニューロンからの入力を受け、拡張層の複数のニューロンに、一見ランダムに接続されているのです。

さらに、膨張層の各ニューロンは、平均して6つの圧縮層のニューロンから接続を受けており、これはミバエの脳で起こるのとまったく同じでした。

「1個かもしれないし、50個かもしれない。1個でも50個でも、その中間でもよかったのです。生物学的には6つであり、我々のネットワークも6つ程度です。進化はランダムな突然変異と自然選択によってこの組織を見つけ出し、人工ネットワークは標準的な機械学習アルゴリズムによって見つけ出しました。」とYang氏は言います。

驚くべき収束は、嗅覚情報を解釈する脳の回路が、そのタスクに最適な形で組織化されていることを強く裏付けるものだと彼は言います。

今後、研究者はこのモデルを使って、その構造をさらに詳しく調べ、さまざまな条件下でネットワークがどのように進化するかを調べたり、実験ではできない方法で回路を操作したりすることができます。

Published by Massachusetts Institute of Technology. Peter Y. Wang et al, Evolving the olfactory system with machine learning, Neuron (2021). DOI: 10.1016/j.neuron.2021.09.010