要旨
ハエの脳研究が機械学習に与える最大の示唆は、「脳の能力は学習された重みだけで決まるのではなく、進化によって形成された配線構造そのものにも計算能力が埋め込まれている」という点にある。
したがって、ハエの脳をそのままGPTのようなAIに置き換えるという話ではない。生物の神経回路を読み取り、実行し、そこから少ない計算資源で知的な振る舞いを生むための設計原理を学ぶ研究である。
一言でいうと
ハエの脳は「学習ですべてを獲得するAI」とは異なり、「進化が作った回路構造＋少量の学習」で行動を生む。その構造をAIの設計に取り込めないか、という話。
何を「再現」しているのか
研究者が再現しているのは、脳の外観や3D画像だけではない。電子顕微鏡画像から、以下のような神経回路の構造を復元している。
- ニューロン同士の接続
- シナプスの位置
- 神経回路全体のトポロジー
- 感覚入力から運動出力までの経路
このような神経回路の配線図を**コネクトーム（connectome）**と呼ぶ。
記事では、FlyWireによる約13万ニューロン・約5,450万シナプス規模の再構築や、オスのショウジョウバエの脳と中枢神経系を約16万6,700ニューロンまで拡張した研究が紹介されている。
重要なのは、単に「脳の地図」を作ったのではなく、実在する生物の神経回路を計算モデルとして扱える段階に進んだことである。
現在行われていること
1. 配線図から実際の神経活動を予測する
再構成した回路に視覚・嗅覚・味覚などの入力を与え、ハエの行動やニューロンの活動が再現されるかを調べる。
たとえば、
感覚入力
↓
感覚ニューロン
↓
神経回路
↓
運動ニューロン
↓
行動
という流れをコンピュータ上でシミュレーションする。
ただし、「実験結果の91%と一致した」という場合、それはハエの行動全体を91%再現したという意味ではない。特定のニューロンを刺激したときに、別のニューロンがどう活動するかといった、回路レベルの予測が一致したという意味である。
2. 神経回路を計算装置として動かす
再現した脳を仮想身体やゲーム環境に接続し、どのような入力からどのような出力が得られるかを調べる。
概念的には次のような構成になる。
ゲーム画面
↓
ハエの視覚入力に変換
↓
神経回路のシミュレーション
↓
ニューロン活動
↓
「前進」「左」「右」などの操作に変換
↓
ゲーム環境
これは「ハエがゲームを理解している」という意味ではない。人間が入力と出力の対応づけを設計したうえで、生物の神経回路を計算装置として使う実験である。
3. ハエの回路構造をAIのアルゴリズムに取り込む
ハエの嗅覚系には、入力を少数のニューロンから多数のニューロンへ疎に拡散し、その後に強く反応したものを選別するような構造がある。
これは、情報を最初から圧縮するのではなく、いったん高次元に写像してから疎に選別する発想である。類似検索や単語埋め込みなどへの応用が研究されている。
機械学習への示唆
1. 重みだけでなく、構造を設計する
現在のニューラルネットワークでは、ネットワーク構造を決めたあと、大量の重みを勾配降下法で学習する設計が中心である。
一方、ハエの神経系は概念的には次のように捉えられる。
進化によって形成された回路構造
＋
生得的な接続と重み
＋
少量の経験による学習
↓
行動
この違いは、「ニューラルネットワークの性能は、パラメータ数だけでなく回路構造にも大きく依存するのではないか」という問いにつながる。
2. Sparse・Recurrent・Event-drivenな計算
ハエの脳では、すべてのニューロンが常に密に計算するわけではない。必要な箇所でスパイクが発生し、疎な接続と再帰的な回路によって情報が処理される。
この特徴は、次の技術と相性がよい。
- スパイキングニューラルネットワーク（SNN）
- ニューロモーフィックコンピューティング
- イベント駆動型の計算
- 低消費電力なエッジAI
3. 「巨大化」以外のスケーリング
現在のAIは、データ・パラメータ・計算資源を増やすことで性能を伸ばしてきた。
ハエの脳研究が示す別の方向は、次のようなものだ。
- 計算グラフの構造を賢く設計する
- 生物由来のアーキテクチャ上に学習可能な部分だけを置く
- すべてを勾配降下法に任せない
- 必要な箇所だけを計算する
つまり、単純な規模拡大だけでなく、アーキテクチャ上の事前知識を利用する方向である。
過大評価してはいけない点
コネクトームが得られても、それだけで完全な脳が再現できるわけではない。動作には、少なくとも次の要素も関わる。
- シナプスの強さ
- ニューロン固有の特性
- 時定数
- 神経伝達物質
- 内部状態
- 神経回路の可塑性
したがって、単純に
コネクトーム
↓
完全な脳
となるわけではない。より正確には、
コネクトーム
↓
計算仮説
↓
生体実験との比較
↓
モデルの修正
という科学的なループである。
まとめ
ハエの脳研究の本質は、ハエをコピーしてAIを作ることではない。
生物が、限られた計算資源で知的な振る舞いを実現している。その設計原理を読み出し、人工システムへ移植できないか。
という問いである。
今後、機械学習に影響を与えそうなのは、次の三つの考え方だ。
- 学習する重みと、固定された構造を分離する
- 疎でイベント駆動の計算を活用する
- 大規模化だけでなく、生物由来のアーキテクチャを利用する
したがって、ハエのコネクトームはそれ自体が次世代AIになるというより、AIの設計空間を「巨大な重みの学習」から「構造と学習の組み合わせ」へ広げるための材料と見るのが適切である。