私たちは目の前の景色を「そのまま受け取っている」と感じますが、脳内で起きているのはむしろ照合作業に近いと考えられています。内部モデルが次に来る感覚入力を予測し、実際の入力とのズレ——予測誤差——を手がかりに内部状態を修正する。この閉ループが回り続けた結果として、ある時点の「見え」や「聞こえ」が決まります。ここで鍵になるのが、誤差そのものではなく、誤差にかかる重みです。以下では、数理的な最小原理、階層構造、神経回路での実装、そして理論が越えていない境界線を順に整理します。
予測誤差は「答え」ではなく「更新の指示」である
予測誤差を知覚内容と同一視すると、説明はすぐ行き詰まります。大きな誤差が常に大きな知覚変化を生むわけではないからです。霧の中でぼんやり見えた影が予想と大きく食い違っても、私たちは知覚をほとんど書き換えません。逆に、鮮明な視界であればわずかなズレが即座に見えを変えます。
つまり予測誤差が担うのは、更新の方向です。どれだけ動かすかを決めるのは、感覚入力と事前予測のそれぞれをどれくらい信用できるか、という別の変数になります。
精度重み付け：誤差を知覚へ変換する数学的核心
感覚値を y、内部予測を μₚ、それぞれの精度（分散の逆数）を πₛ、πₚ とすると、更新後の推定は次のように書けます。
μ_post = μₚ + K(y − μₚ)、ただし K = πₛ / (πₛ + πₚ)
予測誤差 ε = y − μₚ に、精度で決まるゲイン K が掛かる構造です。感覚が不確かなら K は小さくなり、知覚は期待や文脈へ寄ります。感覚が信頼できるなら K は大きくなり、実入力が優勢になります。視覚と触覚の情報を信頼度に応じて統合する行動実験は、この規範的原理と整合的です。
カルマンフィルタとの同型性
この形式は、線形ガウス系の逐次推定であるカルマンフィルタと同じ骨格を持ちます。予測状態にイノベーション（＝予測誤差）をカルマンゲイン倍して足す、という更新式です。観測ノイズを大きく見積もればゲインは下がり、状態変動が大きいと見積もればゲインは上がる。「環境が変わりやすい」と脳が推定するほど誤差からの学習率が上がる、という直観がここから導かれます。
ここから重要な帰結が出ます。幻覚や強い錯覚を「予測誤差が小さいから」と一言で説明するのは不十分です。事前分布が強すぎるのか、感覚精度が低すぎるのか、誤差ゲインが異常なのか、生成モデルの学習自体が歪んでいるのか——計算論的には別々の機序であり、区別して検討する必要があります。
階層構造：知覚は「誤差ゼロ」ではなく釣り合いで決まる
現実の知覚は単層のベイズ更新では説明できません。輪郭、物体、場面、文脈といった複数の抽象度が同時に成立している必要があるからです。階層生成モデルでは、各層が下位層への予測を送り、各層に局所的な予測誤差が定義されます。内部状態は、下位から届く精度重み付き誤差と、上位から課される事前制約の両方を受けて更新されます。
固定点で成立するのは「すべての誤差が消える」ことではありません。下位からの修正要求と上位からの拘束が釣り合い、内部状態をさらに動かす勾配が十分小さくなる状態です。したがって知覚内容は、完成した静的な像というより、新しい証拠が入れば再び動きうる準安定な配置と捉えるのが妥当です。
なお、ベイズ的推論であることと、特定の回路実装が存在することは別の主張です。自由エネルギー原理は目的関数レベルの広い枠組みであり、「この層のこの細胞が誤差を表す」という命題は、それとは独立に実証されるべき追加仮説になります。
神経回路での実装：キャンセルと増幅の分業
古典的な描像は「上位から抑制性の予測、下位から興奮性の誤差」というものでした。しかし長距離の皮質フィードバック自体は多くが興奮性であり、L1の錐体細胞頂上樹状突起や、SOM・VIP・PVといった介在ニューロンを経由して、実効的には抑制にも増幅にもなり得ます。同じ「トップダウン」という概念が、複数の回路演算へ翻訳されているわけです。
予測済み成分のキャンセル
反復経験によって形成された予測が、抑制性介在ニューロンを介して予測どおりの入力への応答を抑える、という経路が報告されています。前頭眼窩皮質から聴覚皮質への投射がSST介在ニューロンを介して予測済みの音を抑制する例は、いわば「ネガ像」を差し引く演算に近いものです。
未予測特徴の選択的増幅
一方、マウス一次視覚野の研究では、予想外の刺激に対するL2/3の活動が「何を予測していたかとの差」よりも、実際に入ってきた予想外の刺激特徴に選択的な細胞を増幅する信号として現れました。この増幅には視床枕からの入力とVIP–SOM脱抑制回路が必要でした。
この二つは逆向きに見えて相補的です。予測できた成分を抑え、予測できなかった成分を増幅すれば、結果としてS/N比の高い更新信号が作れます。ただし両者には異なる回路モチーフが使われている可能性が高い、というのが現在の見立てです。
層方向の分業
ヒトの高磁場laminar fMRIでは、期待に固有の成分が深層で、刺激選好と期待が共同で説明する成分が表層で大きく、単純な反復抑制は深さにほぼ一様、という分離が報告されています。「予測による抑制」と「順応」を混同してきた曖昧さを解く方向の進展といえます。
「予測誤差ニューロン」像の見直し
現在の一次研究は、実入力から予測入力を引いた差分ベクトルを発火率で表す、という強い形の予測符号化を必ずしも支持していません。細胞内記録ではL2/3にトップダウンとボトムアップが反対方向に作用する比較器的な統合が観察される一方、深層では同じ単純差分は見られません。分子的に区別できる細胞型の間で誤差応答が異なることも示されています。
したがって妥当な現在像は、差分計算・予測成分のキャンセル・未予測特徴の増幅・精度ゲーティングが、層・細胞型・時間尺度ごとに分散して実装されているというものです。単一の均質な誤差細胞集団を仮定する必要はありません。
残された最大の問い：推論の収束と意識的知覚は同じか
因果証拠は着実に増えています。高次視覚野への磁気刺激が予測由来の行動効果を弱めること、初期の視運動経験時にNMDA受容体シグナルを阻害すると後の予測的抑制が育たないことなどが示されてきました。
しかし、これらが説明しているのは主として感覚表現、知覚判断、識別、期待依存の活動変調です。「なぜその状態が意識経験になるのか」という十分条件は、まだ埋まっていません。同一の感覚操作を報告可能／報告不能／無報告条件で比較し、局所的な誤差低減と広域的な再帰的安定化を分離する設計が求められます。
まとめ
本稿の要点は次の通りです。予測誤差はそのまま知覚になるのではなく、更新の方向を与えるにすぎません。更新の強さを決めるのは精度重み付けであり、これが「誤差」から「知覚内容」への変換の核心です。知覚の確定とは誤差の消失ではなく、精度重み付き感覚証拠と階層的な事前制約の双方に最も整合する内部状態が、一時的に優勢になることだと捉えるのが最も整合的です。
神経回路レベルでは、予測／誤差の二細胞種モデルから、キャンセル・比較・増幅・ゲーティングの分業モデルへと理解が移行しつつあります。次の焦点は、同じ実入力に対して予測内容・事前精度・感覚精度を独立に操作し、差分符号・驚き量・特徴増幅という競合仮説を細胞レベルで直接対決させることです。層別記録、細胞型特異的な因果操作、行動のベイズモデリングを統合できれば、予測から知覚判断までの因果鎖を端から端まで定量的に追える見通しが立ちます。
コメント