「感覚入力が特徴として抽出され、そこから予測が生成されるまで」という区間は、知覚研究のなかでも定義が曖昧なまま扱われやすい。しかしどこで区切るかは、実験デザインにもモデル評価にも直結する。本稿ではこの区間を操作的に定義したうえで、受容器から皮質までの生物学的機構、特徴抽出器と予測器を分離した計算モデル、そして「予測が始まった」と主張するために必要な実験計測を一本の線でつなぐ。前処理に潜むリーク、評価指標の使い分け、未解決問題にもそれぞれ簡潔に触れる。
「感覚入力から予測生成まで」をどう定義するか
操作的定義と終端条件
本稿ではこの区間を、次のように定義する。物理的な感覚刺激が受容器で神経信号へ変換され、末梢・初期中枢で前処理され、刺激の統計的・行動的に有用な特徴表現が形成され、その表現または文脈から「まだ観測されていない／欠落した／期待と異なる感覚状態」に関する内部予測が最初に生成・適用されたと実証できる時点まで、である。
刺激を s(t)、前処理後の信号を x(t)、特徴表現を z(t)、内部状態を h(t)、予測を ŷ(t+Δ) と置けば、s → x → z → h → ŷ という流れになる。終端は「ŷ が現在入力だけでは説明できない予測情報を持つ最初の時刻」と置くのが実務的である。ここでいう予測には、時間的な未来だけでなく、隠れた原因、欠落刺激、他モダリティの入力、自己運動から予期される感覚結果も含まれる。
「予測開始」の三つの意味を区別する
議論が混乱する主因は、予測という語が異なる三つの事態を指していることにある。
| 意味 | 操作的定義 | 終端基準としての強さ |
|---|---|---|
| 表象的予測 | z または h から未来・欠落状態がデコードできる | 弱〜中 |
| 生成的予測 | 内部モデルが予測値や潜在原因を明示的に生成する | 中 |
| 予測の感覚系への作用 | トップダウン信号が初期感覚応答を変調する | 最も強い |
また、この過程は「受容 → フィルタリング → 特徴抽出 → 予測」という直列ではない。ボトムアップの特徴証拠、再帰的処理、トップダウン予測が数十〜数百ミリ秒の範囲で重なり合うため、特徴抽出の終了と予測の開始のあいだに明確な直列境界は通常存在しない。刺激前のキューによって予測がすでに形成されている場合もあり、「予測の生成時刻」と「予測が現在の感覚処理に作用した時刻」は分けて扱う必要がある。
生物学的メカニズム：特徴抽出は受容器から始まる
各モダリティの受容と前処理
視覚では、桿体・錐体が光を膜電位変化へ変換し、双極細胞・水平細胞・アマクリン細胞を経て網膜神経節細胞へ渡る。網膜はカメラではなく、ON/OFF分離、中心–周辺拮抗、コントラスト強調、順応といった前処理をすでに行っている。信号は外側膝状体を経てV1へ入る。
聴覚では、基底膜の周波数依存変位が有毛細胞の不動毛を曲げ、内有毛細胞かららせん神経節細胞へ伝えられる。外有毛細胞は能動的増幅と選択性に寄与し、基底部が高周波、頂部が低周波に対応するトノトピーが末梢から形成される。低周波では聴神経の位相同期が時間情報も保持する。信号は蝸牛神経核、下丘、内側膝状体を経て聴覚皮質へ至る。
体性感覚では、Merkel、Meissner、Pacinian、Ruffini などの機械受容器が持続圧、接触変化、振動、皮膚伸展に異なる感度を持つ。触覚・振動・固有感覚の主経路では、後根神経節の一次求心性ニューロンから後索核、交叉、内側毛帯、視床VPLを経てS1に達する。
要点は、これらがいずれも工学的なフィルタバンク、正規化、ゲイン制御、脱相関、次元削減に相当する処理だということである。特徴抽出は皮質に入ってから始まるのではなく、受容器と末梢回路からすでに始まっている。
特徴コードは単一方式ではない
この区間の神経コードを一つの方式で語るのは適切でない。平均発火率によるレートコード、スパイク潜時や位相同期による時間コード、集団の状態空間による集団コード、限られた細胞だけが強く応答する疎符号化、そして予測値と残差を異なる活動パターンで表す予測／誤差コードが重なっている。自然画像から疎な表現を学習させるとV1単純型細胞に似た局在・方位選択的な基底が生じるという古典的知見は、自然統計に適合した効率的符号化が初期視覚皮質の性質の一部を説明できることを示す代表例である。
予測誤差は「単純な差分」とは限らない
古典的な予測符号化は、高位から低位へ予測が、低位から高位へ残差が流れると仮定する。これを皮質層と局所回路に対応づける正準微小回路仮説も提示されている。ただしこれらは有力な計算仮説であって、すべての細胞型に一対一対応が実証されたわけではない。近年のマウスV1研究では、予測違反が一様な差分チャネルとしてではなく、予期しなかった刺激に選択的な細胞の応答を増幅する形でも実装されうることが示され、視床枕からの入力やVIP介在ニューロンを含む脱抑制回路の関与、L2/3の分子的細胞型による正負誤差への応答差も報告されている。予測は高次領域だけで計算されて遅れて返るとは限らず、一次感覚野の近傍でかなり早期に局所的に形成される可能性がある。学習された聴覚–視覚連合で聴覚皮質からの入力がV1の応答を調整する例は、その具体例といえる。
計算モデル：特徴抽出器と予測器を分けて扱う
人工モデルで扱う際は、x → f_θ → z → g_φ → ŷ のように特徴抽出器と予測器を明示的に分けると分析しやすい。「どの層・時刻で現在刺激の情報が現れるか」と「どの時点で未来情報が現れるか」を別々に測れるからである。
CNNは局所・階層的な空間特徴に強いが、時間的な予測ヘッドを付けない限り未来は予測しない。RNN/LSTMや因果マスク付きTransformerは時間または長距離文脈を明示するため、この問題に直接的である。予測符号化モデルと階層ベイズモデルは、観測そのものよりも観測を生じさせる潜在原因を推定する枠組みを与える。一方、疎符号化とオートエンコーダは現在入力の圧縮・再構成だけなら特徴抽出モデルであり、未来や欠落入力を予測する目的を加えて初めて予測開始のモデルになる。スパイキングニューラルネットワークも同様で、スパイク化しただけでは予測機構にはならず、再帰抑制、トップダウン結合、予測的な学習則や時間的目的関数を加える必要がある。対比学習のうちCPCは「現在の文脈から将来の潜在表現を他候補より正しく識別する」目的を明示しており、この区間を人工系で操作化する際の基準として特に扱いやすい。
学習目的が「いつ予測が現れるか」を決める
分類の交差エントロピーは識別に有用な特徴を学ばせるが、時間的未来を直接要求しない。未来信号との二乗誤差は未来を直接要求し、負の対数尤度を用いれば不確実性まで評価できる。再構成損失だけでは、それ単独で予測生成の証拠にはならない。実験用には、現在特徴・未来予測・不変性・脳応答アラインメントを別々に重み付けした合成損失が有用である。ただし脳との類似度を直接損失に入れると、機構を説明したのか生物データを教師に模倣したのかが曖昧になるため、アラインメント損失を使わないモデルも対照として残すべきである。
前処理に潜む「予測の人工的な作り込み」
この領域では、前処理そのものが予測を捏造してしまう危険がある。ゼロ位相フィルタ、刺激後のデータを含むベースライン補正や正規化、全データを用いたPCA・標準化は、いずれも時間情報のリークを生みうる。予測開始時刻を評価するなら、因果的前処理と訓練データのみでのfitを原則とするのが妥当である。
モダリティ別には、動画で未来フレームを使う時間平滑化は禁じ手であり、音声では強いフィルタによる潜時シフトに注意する。EEG/MEGではICAが低周波ドリフトに敏感なため、事前のハイパスフィルタが推奨される。高密度細胞外記録では、スパイクソーティングにおけるドリフトや重畳スパイクの誤りが潜時と選択性を歪めるため、標準化されたソーティング・ベンチマーク環境を用いることが望ましい。多モーダル記録では、共通クロックとハードウェアタイムスタンプを確保し、クロックドリフトを神経的予測と誤認しないことが重要である。
予測開始を検出する実験デザインと評価指標
デコードできたことは予測の証拠ではない
刺激同一性が神経活動からデコードできるだけなら、現在の活動が現在の刺激情報を持つことを示したにすぎない。予測開始を主張するには、現在入力だけでは説明できない情報、すなわち未来刺激のデコード、期待依存の変調、予期された刺激の欠落応答、予測違反に特異的なミスマッチ応答、あるいはフィードバック経路の因果的操作による効果が必要である。実務上は、現在特徴が有意になる時刻 t_feature と、未来・欠落状態が対照条件を通過したうえで有意になる時刻 t_prediction を定義し、その差 Δt を推定量として扱うのがよい。
パラダイムと必要な対照条件
オドボール課題とミスマッチ陰性電位は標準的だが、逸脱刺激への応答には予測違反と標準刺激の反復順応の解除の両方が入りうる。したがって、刺激出現頻度を揃えるカスケード／メニースタンダード対照、期待された事象を完全に省く欠落パラダイム、確率キューの操作を組み合わせる必要がある。より強い設計は閉ループの感覚運動ミスマッチで、運動と感覚フィードバックを独立に操作することで、物理刺激・自己運動・予期される感覚結果を分離できる。クロスモーダルであれば、連合学習後の欠落、予期しない別刺激、経路の摂動を比較する構成が有効である。
評価指標は階層ごとに強みが異なる。行動指標は妥当キューと無効キューの差を示せるが運動・判断の潜時が混入する。ERP/MEGは時間分解能が高い一方で順応やフィルタ、信号源の曖昧さが残る。単一細胞は特徴同調を示せるが覚醒・ゲイン変化との区別が要る。集団デコードは時間的自己相関によるリークに注意が要る。カルシウムイメージングは多細胞を扱えるが動態が速い立ち上がりをぼかす。fMRIは表現階層の検証に強い反面、秒単位の血流応答のため開始時刻の推定には向かない。RSAやCKAによる表現類似度は層と領域の対応づけに有用だが、類似度だけでは因果機構は分からない。
予測誤差の簡便な指標として、予期しない条件と予期した条件の応答差を和で正規化した値を使うことはできるが、それが正であるだけでは予測誤差と断定できない。刺激頻度、反復、運動、瞳孔・覚醒、報酬、注意を揃えた対照が不可欠であり、「予期しなければ何でも増える」汎用的な驚きと、予測された属性に依存する刺激特異的な誤差とを区別する必要がある。皮質間通信について、フィードフォワードをガンマ帯、フィードバックをアルファ／ベータ帯に対応づける知見はあるが、周波数帯だけで予測と結論するのは過剰である。
データセットの使い分け
人工モデルの事前学習には自然画像や大規模音響イベントのデータセットが使えるが、これらには神経計測が伴わない。イベントカメラのジェスチャデータはスパイキングモデルの時空間特徴や潜時解析に向くが、生体感覚信号ではない。生体側では、大規模な多領域スパイク記録が細胞・集団レベルの潜時と階層的デコードに、7T fMRIの自然画像データセットが表現階層とモデルアラインメントの検証に適する。ヒトEEGのオドボールデータや体性感覚データは時間分解解析に使えるが、明示的な期待操作や順応対照は別途追加すべきである。結論として、単一の指標やデータセットではなく、特徴デコード、未来・欠落デコード、期待操作、因果的フィードバック摂動を組み合わせた証拠の三角測量が最も信頼できる。
未解決問題と推奨される統合設計
現時点で未解決のまま残る論点は、大きく五つに整理できる。第一に、予測誤差と順応の識別である。期待抑制やミスマッチ増強は予測符号化で説明できるが、反復抑制、刺激特異的順応、注意、覚醒でも類似の効果が生じうる。第二に、予測と誤差の細胞型・皮質層マッピングは未確定であり、古典モデルの単一の誤差ユニットをそのまま生物回路へ写像するのは早すぎる。第三に、予測開始は単一の絶対時間ではない。伝達潜時はモダリティごとに異なり、予測は刺激前から存在しうるため、普遍値ではなく試行ごとの t_feature、t_prediction とその差を推定すべきである。第四に、人工モデルの高い脳類似度スコアは同一機構を意味しない。フィードフォワード型でも高い表現類似度は得られるため、静的な類似度に加えて時間動態、予期しない試行や欠落試行、因果摂動への応答までをモデルに要求する必要がある。第五に、大域的な誤差逆伝播と、局所的なシナプス可塑性・神経修飾・再帰動態を中心とする生体の学習則とのあいだにはギャップが残る。
これらを踏まえた識別力の高い設計は、次のようになる。刺激系は自然な動画・音響・触覚系列を用い、期待どおり、特徴が予期外、タイミングが予期外、欠落の四条件を用意する。さらに同一の物理刺激を期待文脈と非期待文脈の双方に提示して刺激交絡を除く。記録系は、動物では高密度スパイク記録と二光子イメージングを併用し、可能なら視床・一次感覚野・高次領域を同時記録する。ヒトでは開始時刻の推定にEEG/MEGを、解剖学的・層構造の局在に高磁場fMRIを組み合わせる。モデル群は、フィードフォワードCNN、再帰型、因果Transformer、CPC、予測符号化階層、予測型スパイキングモデルを同一刺激・同規模で訓練し、アーキテクチャだけでなく目的関数（特徴損失の有無 × 未来損失の有無）を要因計画として操作する。これにより、脳との整合の改善がモデル規模によるのか予測目的によるのかを分離できる。解析系は、まず現在刺激の特徴デコードを短い時間窓で走査し、続いて同一のデコーダ構成で未来刺激・欠落同一性・期待状態を測る。交差時間般化行列で表現が過渡的か持続的かを判別し、置換検定やクラスタベースの帰無分布から最初の有意時刻を求める。そのうえで表現類似度解析と符号化モデルで層と領域の対応を推定し、最後にフィードバック経路の摂動が予測開始時刻や誤差応答を選択的に消すかを検証する。
まとめ
この区間を最も再現性よく定義するなら、単一の脳領域や固定潜時ではなく、「変換 → 感覚前処理 → 特徴表現 → 文脈統合 → 因果的に擁護できる最初の予測状態」という連鎖として捉えるのが妥当である。現時点の証拠は、特徴抽出と予測生成を別々の箱とみなすより、末梢の効率的符号化から皮質の再帰的・階層的推論へ連続し、その途中からボトムアップの証拠とトップダウンの期待が相互作用し始める過程として理解することを支持する。疎符号化、階層ベイズ推論、予測符号化、対比的予測学習、ニューロモルフィックな予測モデルは、同じ問題を効率的符号化、確率推論、誤差最小化、自己教師あり未来予測、イベント駆動動態という異なる観点から記述しているにすぎない。
実務上の教訓は明快である。デコードできたことと予測が始まったことを同一視しないこと、オドボール単独に頼らず順応対照と欠落条件を併用すること、前処理で時間情報をリークさせないこと、そしてモデル比較では目的関数を要因計画として操作し、フィードフォワードのみのモデルを陰性対照として残すことである。次の研究段階では、予測が「いつ」始まるかだけでなく、「どの回路要素が」その予測を担い、摂動によってどう崩れるかを、同一パラダイムのなかで同時に測ることが焦点になる。
コメント