ASCONE2023

脳の面白さは、複雑な環境に適応する行動原理を自ら学習する能力にある。また誰もが知るように、脳の学習能力を巧妙に模倣するAIが近年、急速に発展してきた。このような学習や記憶の神経基盤は、神経細胞間のシナプス結合が活動度依存に伝達効率を変化させる、シナプス可塑性であると考えられている。シナプス可塑性に関して、半世紀以上にわたり、多くの実験的、計算論的研究が行われてきた。また近年は機械学習のアルゴリズムを脳科学に逆輸入する試みもある。そこで本講義では以下のような内容について議論する。

基礎講義 - さまざまなシナプス可塑性のモデル
単一神経細胞による教師なし学習に関して、基礎的内容から少し発展的な内容までを議論する。具体的にはスパイク時間依存のシナプス可塑性（STDP）の実験と計算論的モデルや、ベイズ計算や予測学習から導かれるシナプス可塑性規則と計算論的機能について学ぶ。時間の都合上、教師付き学習には触れない。

発展講義 - 記憶の回路モデルの最近の動向
近年、概念学習や自然言語処理との関係が指摘されるなど、海馬や嗅内野による空間ナビゲーションが、脳科学とAIの両面から注目されている。この流れを踏まえ、連想記憶モデルなどの最近の研究について紹介する。

脳が生きているとはどういうことでしょうか。身体の健康寿命が延長する一方、脳やこころの健康についての理解は未だ不十分です。脳が健康で正常に機能しているとはどういうことか改めて問い直す必要があります。脳研究では、これまで、ニューロンのシナプスを介した速くて精緻なデジタル的な相互作用に関する研究が中心的に行われてきました。しかし、脳の情報伝達には、グリア伝達、神経調節物質の拡散性伝達、広範囲調節系、脳脊髄液と間質液の交換や細胞外電場による非シナプス的な相互作用が重要な働きをしています。私はそれを「脳のアナログ情報伝達」と呼び、その未知なるメカニズムの解明に取り組んでいます。脳のアナログ情報伝達が破綻した場合に生じる病態や、脳のアナログ情報伝達の正常化による治療法等について研究しています。

現行の精神障害の診断分類は、患者自身の主観的報告と医師による行動観察に基づいており、生物学的知見・病因・病態生理に基づいた体系にはなっていません。また、近年の生物学的知見の蓄積によっても、診断、重症度評価、予後や治療反応性予測が可能な生物学的指標が確立されていないという問題を抱えています。近年の、計算機性能の飛躍的な向上や、数理科学の洗練により、精神医学が直面するこれらの問題克服に、数理モデル（脳計算理論）やデータ科学を用いた手法を適用することへの期待が高まっています。このような研究は、「計算論的精神医学（Computational Psychiatry）」と総称されて活発な研究領域を形成し、精神医学研究において重要な位置を占めると目されるようになっています。本講義では、計算論的精神医学の代表的な研究方略を概観し、具体的適用事例を紹介します。続いて、グループ討論では、計算論的精神医学の現状とその進展の可能性を整理し、直面している限界や、特に重点的に検討すべき研究課題について議論します。

動物が環境について何も知らない時，何が良い行動か分からず，行動選択は試行錯誤的にならざるを得ません．環境について学習した後は，自分自身の行動によって環境がどう反応・変化するか予測できるため，予測に基づく柔軟な行動選択が可能になります．ヒトや動物の多くが，何等かの形で，環境に関する「知識」を用いた予測的な行動選択を行っているという証拠がありますが，その神経メカニズムはよくわかっていません．本講義では，「予測的な行動選択」の神経メカニズムを調べるための理論と実験について紹介します．脳が実装する行動選択のアルゴリズムを理解する事で，変化する現実世界で適切な行動を選ぶ人工知能の開発や，不適切な行動をしてしまう病的な脳の状態を理解するための，重要な知見が得られると期待できます．

機能的MRIは非侵襲的に人間の高次認知機能を調べることができるツールであって、近年の神経科学研究においては欠かすことのできない基盤となっています。特に、機械学習を応用することにより、様々な知見がえられており、本講義では、その基礎と応用例を概説します。