意識研究では、複数の理論が「どちらが正しいか」という形で並べられがちです。しかし自由エネルギー原理と4フェーズ仮説の場合、この立て方そのものが誤りである可能性があります。前者は何が最適化されるかを述べる規範的原理であり、後者は意識的知覚が成立するとき、どの神経イベントがどの順序で現れるかを述べる過程仮説だからです。異なる階層にある以上、勝敗を決めるのではなく接続することが理論的に自然になります。本稿では、両者を一つの生成モデルへ統合する具体的な設計と、その統合が新しい予測を生むための条件を扱います。
自由エネルギー原理が説明するのは「何が最適化されるか」
自由エネルギー原理（Free Energy Principle, FEP）は、適応的な生物が取りうる状態を限られた範囲に保つため、感覚入力の長期的な驚き（surprisal）を抑えるという発想に立ちます。ここでの驚きは心理的な驚愕ではなく、観測の自己情報量という情報理論的な量です。この値を直接計算することは難しいため、その上界である変分自由エネルギーを最小化する、という定式化が採られます。
変分自由エネルギーは「適合度」と「複雑さ」のトレードオフ
変分自由エネルギーは、近似事後分布と真の事後分布のズレに驚きを加えた形として書け、同時に「データへの適合度（accuracy）」と「事前分布からどれだけ離れたか（complexity）」の差としても分解できます。この点は誤解されやすい部分です。FEPは予測誤差を単純にゼロへ近づける理論ではなく、どこまで誤差を説明しにいくかを含めた最適化の枠組みだと捉える必要があります。
精度（precision）という中核変数
さらに重要なのが精度、すなわち予測誤差をどの程度信頼するかという重み付けです。注意や顕著性（salience）、シナプス利得といった現象は、FEPの枠内で精度の制御として整理されてきました。後述する統合において、この精度が理論をつなぐ最大の接点になります。
高速な状態推論と低速なパラメータ学習
FEPでは、隠れ状態についての信念更新は速く、生成モデルのパラメータ更新は遅い、という時間スケールの分離が自然に導入できます。この構造は、一試行内の数百ミリ秒の動態と、複数セッションにわたる学習を同じ枠組みで扱えるという利点をもたらします。
4フェーズ仮説（Detect–Pulse–Switch–Wave）が描く意識的知覚
「4フェーズ仮説」という呼称のみでは出典を一意に特定できませんが、文献上もっとも直接対応するのはBlumenfeldのDetect–Pulse–Switch–Wave（DPSW）仮説です。
四つの局面が意味するもの
Detectは刺激の検出と意識知覚候補としての選択、Pulseは皮質下から皮質にかけての覚醒・顕著性系による一過性の増幅、Switchは競合するネットワークの一時的な抑制や切り替え、Waveは感覚野から高次連合野へ処理が広がる局面を指します。頭蓋内脳波を用いた視覚研究では、意識的に知覚された試行で広帯域ガンマ活動が連合皮質を順次進む様子と、その伝播速度が報告されています。ただしこれは特定の実験条件で得られた値であり、意識処理一般の定数と解釈すべきではありません。
視覚と聴覚で異なる時間経過
聴覚を対象とした研究では、視覚と同様の広域的な展開が見られる一方で、初期感覚領域における時間経過は一致しませんでした。つまり、機能的な四つの局面が共通していたとしても、実際に観測される局所活動の波形はモダリティに依存する可能性があります。統合モデルはこの差を吸収できる構造を持つ必要があります。
FEPと4フェーズ仮説は競合しない：統合の正しい設計
四つの自由エネルギーへ分割してはいけない理由
もっとも避けるべき誤りは、各フェーズに別々の目的関数を割り当て、四つの独立した最小化問題として扱うことです。これはFEPの統一性を失わせるうえ、フェーズ間の関係を記述する手段も失います。適切な関係は、FEPを上位の目的関数、DPSWをその一つの実装候補となる過程モデルとして階層化することです。
外界の状態と処理フェーズを別変数にする
もう一つの落とし穴が、状態の型の混同です。FEPの隠れ状態は「外界に何があるか」を表す潜在原因であり、DPSWのフェーズは「脳が今どの処理局面にあるか」を表します。これらを同一の変数に押し込めると、刺激が存在することと脳がPulseにあることが区別できなくなります。両者を積状態として分離することが、統合の出発点になります。
統合モデルの骨格：4相レジーム付きActive Inference HSMM
提案される中核は、外界の隠れ状態とは別に、神経処理レジームを表す潜在フェーズ変数を導入した生成モデルです。
変えるのはパラメータであって目的関数ではない
一つの生成モデル、一つの変分自由エネルギーを保ちながら、フェーズごとに尤度、精度、ゲーティング、状態遷移、持続時間を変える。これが設計上の要点です。この方針のもとで、Detectは感覚尤度の反転と事後分布の形成、Pulseは関連する予測誤差への精度配分、Switchは競合表現に対する利得と精度の抑制、Waveは階層的な信念伝播として解釈できます。ただしこれらは確立された一対一対応ではなく、検証すべきモデル仮説として扱うべきものです。
半マルコフ構造が持続時間を表現する
各フェーズがある程度の持続時間を持つ以上、通常の隠れマルコフモデルより隠れセミマルコフモデル（HSMM）が適します。理論的な順序を高い確率で事前化しつつ、隣接フェーズ間の遷移確率を完全にゼロにしないことで、強い事前知識と反証可能性を両立できます。フェーズが厳密に排他的な箱である必要もなく、各時点に責任度を割り当てる柔らかい表現のほうが実データには適合しやすいでしょう。
統合モデルが生む反証可能な予測
統合に価値があるのは、既存の観察を言い換えられるからではありません。単独の理論より厳しい新規予測を生む場合に限られます。
感覚精度と事前精度を直交的に操作する
もっとも識別力が高いのは、閾値付近の刺激に対して感覚の信頼性と手がかりの妥当性を独立に操作する設計です。統合モデルは、物理的な刺激強度が同一でも事前精度の違いによってPulse到達率が変わり、その媒介として精度変化が働くと予測します。もし物理的な信号対雑音比だけで神経活動と知覚が十分説明できるなら、「Pulse＝精度制御」という対応は棄却されます。
モデル比較で「4」という数字を検証する
フェーズ変数を持たないFEPモデル、FEPを含まない記述的な4相モデル、制約のないHSMM、3相および5相モデルを並べて比較する必要があります。評価は学習データへの適合度ではなく、未知データに対する予測性能を主軸に置きます。視覚データで学習して聴覚を予測する、介入前で学習して介入後を予測する、といった設計がもっとも強い検証になります。
実装で陥りやすい三つの落とし穴
パラメータ同定性
最大の問題は、事前精度と尤度精度の交絡です。同じ確信度は強い事前分布でも高い感覚精度でも説明できてしまいます。両者を実験的に独立操作すること、そして合成データによるパラメータ回復を先に確認することが不可欠です。回復できないパラメータを実データから解釈してはいけません。
フェーズ定義の循環論法
ガンマ活動が増えた区間をWaveと定義し、Waveではガンマが増えたと結論する。この循環はきわめて起こりやすい失敗です。フェーズ推定に用いる特徴量と、検証に用いる特徴量を分けること、できれば異なるモダリティで検証することが求められます。
報告行為との交絡
Waveに相当する後期の活動は、報告のための注意や運動準備と混同されやすいものです。報告あり条件と報告なし条件の比較を、感度分析として必須に組み込む必要があります。
まとめ
自由エネルギー原理と4フェーズ仮説の統合は、用語の翻訳作業ではありません。一つの生成モデル、一つの変分自由エネルギー、そして四つの潜在的な推論レジームという構造を置き、外界状態と処理フェーズを分離したうえで、精度制御・競合ゲーティング・階層的伝播という三つの仮説を反証可能な形に落とすことが本質です。
同時に、FEPには生成モデルを自由に設定すれば事後的に何でも説明できてしまうという弱点があります。培養神経回路を対象とした実験研究が示したように、未知データへの定量的予測こそが検証の鍵になります。統合モデルもまた、説明できたという事実ではなく、フェーズ特異的な介入と未知データ予測によってのみ支持されうるものです。なお、想定する4フェーズがDPSW以外の枠組みであっても、フェーズ拡張された生成モデルという数学的骨格はそのまま移植できます。
コメント