強化学習中の自分と他者の経験がエピソード記憶に及ぼす共有効果

観察と実行、両方が記憶に重要な理由

日常生活では、自分の選択から学ぶこと（たとえば通勤の新しいルートを試す）や、他人に起きたことを見て学ぶこと（友人が速度違反の罰金を受けるのを目撃する）に満ちています。本研究は一見単純な疑問を投げかけます：鮮明な記憶を形成する際に、自分が行動したか他者をただ観察したかは本当に重要か？また、報酬時に生じる脳内の「驚き」シグナルは、行動・観察・記憶を同じように結びつけるのか？

勝ち負けのゲームでのリスク選択

研究者たちは若年成人を招いて、2種類の試行を混ぜたコンピュータゲームを行ってもらいました。ある試行では参加者がポイントを「賭ける（ギャンブル）」か安全策を取るかを決め、別の試行では参加者は想定上の別のプレイヤー（実際はコンピュータモデル）が同じ選択をするのをただ観察しました。各試行では得られる可能性のある報酬量が示され、その後に勝率を示唆する固有の物や動物の画像が提示されました。その後、予告なしで記憶テストを実施：以前の全ての画像と似た新しい画像が混ぜられ、各画像について「既出か新規か」を答え、どれくらい自信があるかも評価しました。

自分で行うと記憶に残りやすい

チームは、古い画像と新しい画像の識別能力を比較したところ、行動による学習でも観察による学習でも成績は明らかに偶然以上でした。言い換えれば、行動しているか観察しているかにかかわらず、単に課題に関与しているだけでかなり正確な記憶が形成されていました。しかし興味深い点がありました：参加者は自分自身が意思決定者だった試行で提示された画像について、より高い自信を感じていました。客観的な正確さが似ていても、自分の選択に結びつく記憶は、他者を見ている間に形成された記憶よりも強く、より生き生きと感じられたのです。

リスキーな選択と報酬の驚きが記憶を高める

研究の別の層では、リスクと報酬が記憶にどのように影響するかに焦点を当てました。行動と観察の両方において、ギャンブルを選んだ試行で提示された画像は、安全な「パス」試行の画像よりもよく覚えられていました。著者らはまた、いわゆる報酬予測誤差 ― 期待される報酬と実際に得られる可能性との差を追跡する内部信号 ― を調べました。ある画像が予想よりも高い報酬の可能性を示し、かつギャンブルが行われた場合、その画像の後の記憶は強化されました。これは参加者自身が選んだ場合でも、観察されたプレイヤーの選択であっても同様でした。興味深いことに、非常に小さいか非常に大きい潜在的報酬は記憶を弱める傾向があり、これは人々が数値だけを見て賭けるかパスするかを決め、画像自体に注意を払わなくなるためと考えられます。

他者の観察でも同じ学習エンジンを活用できる

選択に計算モデルを当てはめることで、研究者らは参加者が行動と観察の両方で報酬確率に関する信念を類似の方法で更新していることを示しました。驚きや不確実性に駆動される信号が、新しい結果から学習する速さを調整するのに役立っていました。重要なのは、画像提示時の正の報酬予測誤差と後の記憶の結びつきが、両方の学習モードで現れた点です。実験は多くの被験者に競争心も引き起こしました ― 他のプレイヤーが負けたときの方が勝ったときより嬉しく感じる人が多く、この競争心は自己がプレイした条件でやや強い記憶と結びついていました。これは動機付けや社会的比較が自分の経験に対する記憶を選択的に鋭くすることを示唆します。

日常の学びに対する示唆

一般の人に向けた主要なメッセージは、特にリスクと報酬が絡む状況では、自分の行動から学ぶときも他者を観察して学ぶときも、記憶システムが似た内部の「驚き」信号を利用するということです。観察学習は確かな記憶を植えつけることができますが、自分で行動することはそれらの記憶をより確信的で個人的なものにしがちです。教室、職場、社会的場面では、能動的な意思決定と他者の観察機会を組み合わせ、重要な情報が結果が不確かで期待以上である可能性がある瞬間に提示されるようにすることが、経験を長く記憶に残す強力な処方となるかもしれません。

引用: Woitow, M.A., Jang, A.I., Eppinger, B. et al. Shared effects of one’s own and others’ experiences during reinforcement learning on episodic memory. npj Sci. Learn. 11, 16 (2026). https://doi.org/10.1038/s41539-026-00409-7

キーワード: 観察学習, 報酬予測誤差, エピソード記憶, リスクテイキング, 意思決定