双方向再帰的ゲーティングによる脳内の注意と結合のモデリング

脳は何に注目すべきかをどう認識するか

瞬間ごとに、目は意識的に把握できる以上の情報を脳に送りつけています。それでも、群衆の中から友人を見つけたり、走る車を追ったり、散らかった机の上で鍵を探したりすることは難なくできます。重要なものに焦点を当て、適切な特徴を結びつけ、雑音を無視する能力を注意と呼びます。ここで紹介する記事は、そのような多様な注意の巧妙さが、単一の基盤となる仕組みから生じうることを説明しようとする、新しい脳に着想を得たコンピュータモデルを提案します。

さまざまな注目の形に対する単一モデル

注意は一様なものではありません。時にはスポットライトのように空間のある場所に注目します。あるときは特定の色のような特徴にチューニングし、また別のときは物体全体に注目して、その部品を動いたり部分的に隠れても一緒に保ちます。著者らは、これらの注意の形式がそれぞれ専用のシステムによるのではなく、脳の視覚経路に共通する回路パターンから生じる可能性があると主張します。彼らは網膜のピクセルを認識可能な物体へと変換する腹側視覚流（ventral visual stream）を模したモデルを構築しました。設計では、ある経路が上向きに情報を運んで視覚特徴を抽出し、もう一方の経路が下向きに信号を送り、どの特徴を強めるか弱めるかを決めます。

双方向に会話するゲート

モデルの中核は著者らが双方向再帰的ゲーティングと呼ぶものです。単純なエッジから複雑な形までの視覚処理段階の積み重ねを想像してください。各段階で前方に進む信号は画像中にあるものを伝え、一方で後方や横方向の信号は課題にとって現在重要なものを運びます。これらの信号は“ゲート”で出会い、特徴活動を乗算的に数ステップにわたって増幅または抑制します。接続が再帰的であるため、モデルは最初にごちゃごちゃした場面を一瞥したあと徐々に標的に絞り込むように、時間をかけて焦点を洗練できます。このアーキテクチャは、存在するものの分類と位置のセグメンテーションという二つの基本的な目標で標準的な機械学習手法によって訓練されますが、注意をどのように実装すべきかを明示的に教えられているわけではありません。

探索、追跡、雑音の無視を学ぶ

訓練後、モデルは通常人間や動物に課される古典的な注意課題のバッテリーで試験されます。手書き数字や動物の自然写真から作られた画像を用いて、混雑した場面で物体を認識し、キューされた要素をグループ化し、動く項目を追い、視覚的ヒントや矢印のような記号的手がかりに基づく探索を学びます。格子内の一つだけ異なる項目を強調表示し、同じ物体に“固定”されることなく次の物体へ注意を切り替え、標的を追跡しつつ妨害物を無視することができます。注目すべきは、モデルが最終的な答えについてのフィードバックしか受け取らない場合でも多くのこうした振る舞いが現れることで、これは注意戦略が関連タスクを解くことを学ぶ過程の副産物として生じうることを示唆します。

人間の知覚や脳信号との類似

著者らはさらに、モデルがより微妙な点で人間と似た振る舞いをするかどうかを調べます。単純なパターンのパッチを用いた制御実験では、手がかりが正しい位置を指すとモデルの感度が向上し、多くの妨害物が存在すると性能が低下する—これは対照感度や知覚的負荷に関する人間の知見と並行しています。また、可視の遮蔽物が断片化した形状を認識しやすくするという古典的な錯覚にも“だまされ”、図と地を脳のように表現していることを示唆します。ネットワーク内部を見ると、深い層のユニットは好む物体に注意が向くと反応が増強され、その基本的なチューニングは変わらない、といった振る舞いを示します。これは霊長類の視覚皮質のニューロンに似ています。特徴検出器や、エッジのどちら側が図でどちらが地かを決める“境界所有”細胞のように振る舞う別個のユニット群も観察されます。

脳と機械にとっての意義

この研究は、指標への方向付け、無関係な雑音のフィルタリング、標的探索、特徴のまとまりとしての結合、さらには意識の失敗の一部といった、生物学的注意の多くの典型的特徴が、特徴経路と注意経路の間の再帰的ゲーティングという単一のアーキテクチャ原理から生じうることを示唆します。平たく言えば、現在の目標や文脈に基づいて見ているものの重みを繰り返し変えるシステムは、明示的にプログラムされなくとも“注意を向ける”ことを学べることをモデルは示しています。これは神経科学者にとって注意と結合を理解するための具体的で検証可能な枠組みを提供し、人工知能研究者には今日主流のほとんどがフィードフォワードな設計に代わる生物学的に着想を得た選択肢を提示します。

引用: Salehi, S., Lei, J., Benjamin, A.S. et al. Modeling attention and binding in the brain through bidirectional recurrent gating. Nat Commun 17, 4072 (2026). https://doi.org/10.1038/s41467-026-72146-9

キーワード: 視覚的注意, 特徴の結合, 再帰型ニューラルネットワーク, 計算論的神経科学, 脳に着想を得たAI