活性化ベースと重みベースの適応を通した認知的柔軟性と安定性

集中と柔軟性のバランスが重要な理由

日常生活では、ある仕事に集中し続けることと素早く切り替えることを常に両立させる必要があります。例えば夕食の準備では、鋭い包丁で刻む際は強い注意が必要ですが、同時に鍋の様子を確認したりソースをかき混ぜたり材料を取りに行ったりと柔軟に切り替える場面が続きます。本稿は、人がいつ課題にとどまるべきか、いつ切り替えるべきかを決める仕組みを模倣する計算モデルを構築することにより、そうした精神的バランスの働き方を解明し、健全な思考やそのバランスが崩れる障害についての示唆を与えます。

とどまることと切り替えることの綱引き

心理学ではこの緊張を、認知的安定性（1つの課題に集中し続けること）と認知的柔軟性（必要に応じて課題を切り替えること）とのトレードオフとして説明します。人は状況に応じてこのトレードオフを調整します。切り替えが頻繁なら切り替えやすい状態になり、課題が反復されることが多ければより安定したモードに落ち着きます。これらの調整は数分の短時間で起こることもあれば、どの環境や課題がより柔軟性を要求するかを学ぶ過程で数日にわたってゆっくり起こることもあります。本論文の中心的な問いは、これらの速い調整と遅い調整がどのようにして一つの一貫した仕組みの中で説明できるかです。

精神的制御の学習モデル

著者らはLearning Control Dynamics（LCD）モデルを導入します。これは長短期記憶（LSTM）と呼ばれる再帰型ニューラルネットワークの一種に基づいています。特別な「制御」ユニットをハードコーディングするのではなく、ネットワーク自身がどのように制御するかを学習します。モデルは古典的な課題切り替え課題で訓練されます：各試行で一連の数値と、どの数を閾値より大きいか小さいかと判断するかを示すキュー、そして場合によっては追加の「環境」信号が与えられます。モデルは二つのことを学ばなければなりません。個々の判断課題の遂行方法と、同じ課題を効率的に繰り返すか別の課題へ滑らかに切り替えるために内部の制御設定をどのように調整するかです。

状態の速い変化と習慣の遅い変化

モデルの内部では二種類の変化が起こり得ます。一つは活性化ベースの変化です：瞬間ごとの活動パターンが現在関連する課題に近づき、以前の課題から離れるように変動します。これは直近の出来事に依存する速いが脆弱な適応形態を提供します。もう一つは重みベースの変化です：ネットワーク内の結合の長期的な強さがゆっくりと調整され、ある状況では滞留を促す深い「課題の谷」が形成され、他の状況では浅い谷が形成されて切り替えを容易にします。シミュレーションで示されるのは、速い変化だけでも高頻度切り替えの状況で小さな切り替えコストを生み出せる一方で、重みの遅い変化は現在の条件が同じでもモデルがどれだけ容易に切り替えるか、あるいはとどまるかを永久的に再形成するということです。

いつ柔軟性が必要かを学ぶ

続いて研究は、モデルが外界からの信号を使ってどの程度柔軟であるべきかを学べるかを問います。ある一連のシミュレーションでは、人工的な「環境」が一貫して頻繁に切り替わるものと稀に切り替わるものに結び付けられました。時間をかけてモデルはこれらの環境キューに反応することを学びました：高切り替え環境では内部の課題表現がより重なり合い、表現間の移動が速くなりました。低切り替え環境ではこれらの表現がより分離され、同じ課題の反復が特に強くなりました。別の一連のシミュレーションでは、特定の課題の中には通常切り替えられるものがあり、他の課題は反復される傾向があることをモデルが学びました。モデルはその後、制御の調整をより細粒度で課題ごとに適用し、現在の試行だけでなく直前に行った課題にも依存して制御を変えるようになりました。

モデルと人間行動の結びつけ

これらの考えが実際の人間を説明するかを検証するため、著者らは類似の課題切り替え実験を行った100人以上の参加者のデータを再解析しました。人間の参加者はモデルと同様、切り替えが多い文脈や切り替えに関連した課題の後で切り替えコストが小さくなる傾向を示しました。再解析はまた、最も示唆に富む変化のいくつかが単にある課題上で現れるのではなく、その課題の直後の試行に現れるというモデルの予測を支持しました—これは人々が次にどれだけ柔軟である必要があるかについて課題特異的な期待を持ち運んでいることを示唆します。

思考を理解する上での意味

平たく言えば、本稿は集中と柔軟性のバランスが二つの絡み合った過程に依存していると主張します：直前に何をしていたかに依存する短期的で迅速な調整と、繰り返し遭遇する環境や課題に応じて我々の精神的「設定」を徐々に学習して調整する遅いプロセスです。両者が一つのニューラルネットワークモデルの中でどのように生じ、人間のデータと一致するかを示すことで、本研究は心が変化する要求に応じて自身の思考の習慣をどのように形作り、並べ替えるかについての具体的な設計図を提供します。

引用: Xu, S., Verguts, T. & Braem, S. Cognitive flexibility versus stability via activation-based and weight-based adaptations. Commun Psychol 4, 58 (2026). https://doi.org/10.1038/s44271-026-00397-9

キーワード: 認知的柔軟性, 課題切り替え, ニューラルネットワークモデル, 認知制御, 適応的行動