はじめに：脳が「予測」で社会を理解するメカニズム
人間の脳は、他者の行動や感情を瞬時に理解し、適切な社会的行動を選択する驚異的な能力を持っています。近年の神経科学研究では、この社会的認知能力の背景に「予測処理モデル」という統一的な情報処理原理が存在することが明らかになってきました。
本記事では、予測処理モデルがどのように社会的学習や認知を説明するのか、模倣学習からメンタライジングまでの幅広い現象と、自閉症研究やロボット工学への応用可能性について、最新の研究知見をもとに詳しく解説します。
予測処理モデルとは：脳を「予測する機械」として理解する
基本概念と理論的背景
予測処理モデルは、人間の脳が「予測」を中心とした情報処理を行うという統一的な理論枠組みです。Andy ClarkやKarl Friston、Jakob Hohwyらによって提唱・発展されてきたこの理論では、脳は階層的な生成モデルに基づいて感覚入力を予測し、予測と実際の入力との差（予測誤差）を最小化するように情報処理を行うとされます。
従来、知覚や運動制御の説明に用いられてきたこのモデルですが、近年では社会的認知や社会的学習の分野にも応用され、脳が他者の行動や内面状態をどのように予測・学習するかを説明する強力な理論的枠組みとして注目を集めています。
階層的予測と誤差最小化のメカニズム
予測処理モデルの核心は、脳内の情報処理が階層的な予測と誤差修正によって行われるという考え方にあります。各階層では上位から下位への予測信号と、下位から上位への誤差信号が絶えずやり取りされ、このプロセスを通じて脳は外界の状況をより正確に把握し、適切な行動を選択できるようになります。
この基本原理が社会的場面にも適用されることで、他者の行動予測や意図理解といった複雑な社会認知機能の神経計算メカニズムを統一的に説明できる可能性が示されています。
社会的学習における予測処理の役割
観察学習と他者行動の予測
社会的学習の中でも特に重要な観察学習において、予測処理モデルは他者の行動や経験の予測を通じて学習が起こる仕組みを説明します。観察者の脳内には他者の行動に関する予測モデルが形成され、他者の行動やその報酬結果に対する予測誤差が生じることで学習が促進されると考えられています。
Joinerらの研究では、自己参照的な報酬予測誤差と同様に、他者参照的な予測誤差が脳内で検出されることを示し、自己の学習と他者からの学習を統合する計算論的メカニズムとして予測に基づく信号が重要な役割を果たすことを明らかにしました。
模倣学習における予測符号化
模倣学習のメカニズムも、予測処理モデルによって新たな視点から理解できます。ミラーニューロンが観察行動と自己の行動を結びつける神経基盤として知られていますが、その機能も予測符号化で説明可能です。
Kilner、Friston、Frithらの研究によると、行動観察時に生じるミラーニューロン活動は、観察した行動の隠れた原因（意図）を推定するための階層的予測モデルによって理解できます。観察された他者の動きに対し、脳が様々なレベル（運動キネマティクス、目標、意図、文脈）の予測を立て、全レベルで予測誤差を最小化することで「最も尤もらしい意図」を逆推論するのです。
メンタライジングと心の理論
他者の心の状態を推測するメンタライジング（心の理論）の領域でも、予測処理モデルの応用が進んでいます。Saxeらの研究では、高次視覚処理で確立された予測符号化の枠組みを他者の目的・思考・信念などを推論する領域に拡張できることを提案しました。
脳の心的状態推論ネットワーク（上側頭溝STS、頭頂側部Junction、内側前頭前野MPFCなど）において、他者の行動が予測どおりである場合に神経活動が減少するという現象が観察されています。これは予測符号化の特徴的シグネチャ（予測可能な入力に対する活動の低下）と一致しており、他者の振る舞いに対して脳が予測を立てていることを示唆します。
社会的認知課題における予測処理の実証研究
最新の神経科学的エビデンス
近年の研究では、社会的認知における予測処理の仮説が実証的に検証されています。Koster-HaleとSaxeによる研究では、心の理論ネットワークのニューロン応答が予測に敏感であることから、他者の信念推定も一種の予測問題として捉えられることが示されました。
他者の行動や状況からその人の心的状態を推論することは、観察可能な情報（行動や状況）から見えない原因（信念・意図）を逆推定するという逆問題であり、これは視覚などにおける予測符号化と同様の計算問題であると指摘されています。
意図理解と文脈依存性
意図理解については、ミラーニューロン系の予測符号化モデルが示すように、脳は観察した行動の背景にある意図を文脈情報を含めた予測誤差の最小化によって推定できます。同じ行動（例：ナイフを振る）でも、手術室の文脈では治療意図、路上の喧嘩では加害意図といったように、文脈が予測に影響を与え、脳内の予測誤差計算が意図の違いを反映した結果になることが示唆されています。
主要研究者による理論的発展
Andy Clarkの貢献
哲学者のAndy Clarkは、脳を「予測する機械」として捉える理論を積極的に紹介・発展させました。著書『Surfing Uncertainty（不確実性に乗る）』などで、予測処理が認知のあらゆる側面を統合し得る可能性を論じ、社会的認知への応用の理論的基盤を築きました。
Karl Fristonの数理的貢献
神経科学者のKarl Fristonは、この理論の数理的側面（自由エネルギー原理）を打ち立て、脳の予測符号化やアクティブ・インフェレンス（行動を通じた予測誤差最小化）を包括的に説明するフレームワークを提唱しました。
Jakob Hohwyの体系化
哲学者のJakob Hohwyは著書『The Predictive Mind』でこの理論を体系化し、知覚から意識、自己、そして自閉症などの神経多様性まで、予測処理で説明しようとする先駆的な議論を行いました。
最新研究動向と実証的発見
Keysersらの包括的レビュー（2024年）
2024年のNeurosci. Biobehav. Rev.に掲載されたKeysersらの総説では、社会的知覚（他者の行為や感情）におけるトップダウン予測とフィードバック結合の重要性が論じられています。この研究は、より自然な状況で他者の行動・感情を予測する脳の働きに焦点を当て、階層的予測符号化が社会認知に果たす役割を描き出しています。
Zimmerらの自閉症研究（2025年）
最新のCortex誌に掲載されたZimmerらの研究では、予測処理モデルが予測する自閉症スペクトラム症（ASD）における心の理論処理の差異がfMRIで検証されました。登場人物の心的状態を含む短編映画を被験者に二度視聴させ、物語展開の予測による脳活動低下を比較した結果、特定の場面で自閉症群は繰り返し提示による活動低下が小さい傾向が観察されました。
応用分野への展開と社会的意義
自閉症スペクトラム症の理解
予測処理モデルは、自閉症スペクトラム症の特性を説明する有力な仮説を提供しています。ASDでは感覚過敏や文脈適応の困難さが報告されますが、予測処理の観点からは内部モデルの精度付けの異常によって予測誤差が適切に軽減されない可能性があります。
特に社会的領域では、他者の意図や表情に関する事前予測の形成・更新が弱いために、他者の行動が本人にとって予測困難となり、対人相互作用の齟齬や不安を生む可能性が指摘されています。
ヒューマン・ロボット・インタラクション
社会的予測処理モデルは、人間とロボットの相互作用デザインにも影響を与えています。不気味の谷現象（人間に近いが微妙に不自然なロボットに対する嫌悪感）の説明に、予測違反という予測処理的解釈が提唱されています。
Urgenらの研究では、見た目と動作が食い違うロボットに対して人の脳が予測違反の脳波を示すことが発見され、他者（またはエージェント）の知覚メカニズムが本質的に予測的であることが示唆されています。
教育・発達への応用
予測処理モデルは人間の学習過程にも重要な示唆を与えます。Kösterらの研究では、乳児の世界理解と学習（運動感覚の習得や他者理解など）が予測処理フレームワークにより「自身の行動結果の予測最適化」という共通原理で統合できることが論じられました。
教育においても、学習者の予測モデルに適度な誤差を与えて更新を促すことが重要となり、適切なフィードバックによる誤差信号の提示が脳の予測モデルを洗練させ、効果的な学習を促進すると考えられています。
まとめ：予測処理モデルが開く社会認知研究の新地平
予測処理モデルは、社会的学習と認知のメカニズムを統一的に説明する強力な理論枠組みとして、模倣や観察学習から他者の心の推測まで幅広い現象に適用されています。Andy ClarkやKarl Fristonらによる理論的基盤の上に、近年は実証研究も蓄積されつつあり、社会的相互作用の神経計算を予測と誤差の原理で読み解く試みが進展しています。
このアプローチは、自閉症の理解やロボットとの関係構築、教育手法の設計など応用面にも波及し、「予測する脳」の視点から人間の社会的営みを捉え直す新たな方向性を示しています。社会認知の神経科学的理解を深め、より良い社会環境の構築に向けた知見の蓄積が期待されます。
コメント