比較コネクトミクスと計算の再利用──身体を越える条件を測る
シリーズ: 行雲流水
昆虫の方向感覚をロボットへ持ち込む、と聞くと、小さな脳から有用な部品を取り出す光景が浮かぶ。飛びながら景色を読み、自分の向きを保ち、巣へ帰る。その働きを人工物でも使えれば、知能の設計に新しい手掛かりが加わる。
しかし、持ち出したいものは何なのか。神経細胞の配線か、活動を安定させる仕組みか、それとも身体を動かしながら感覚を確かめる過程なのか。ここを曖昧にしたままでは、生物から学ぶという言葉の中に、異なる仕事が入ってしまう。
神経細胞のつながりを調べるコネクトミクス (connectomics) と機械学習の進展は、この区別を具体的な実験へ近づけている。複数の生物の回路を並べ、構造と活動の関係を調べられるようになれば、同じ課題に対する異なる内部の解き方が比較の対象になる。
そこから人工身体への再利用を考えることはできる。ただし、再利用できる計算の存在を先に結論してはならない。問うべきなのは、どの身体からどの身体へ移すと、何を変える必要があるかである。その条件を測る研究をどう組み立て、誰が継続して支えるのかを考えたい。
配線図が条件になり、学習が仮説を作る
脳の配線図に期待が集まる理由は分かりやすい。情報が通る道が見えれば、見えなかった働きにも手が届きそうだからだ。機械学習は電子顕微鏡画像から細胞や接続を再構築する工程を支え、測定された配線は、逆にモデルの構造を制約する材料になる。
だが、接続先の一覧から、信号の強さや細胞の反応速度まで決まるわけではない。その不足をどう扱うかが、モデルの性格を決める。ラッパライネンらが2024年に報告したハエの視覚系モデルでは、64細胞型の実測接続を基に、未知の値を動きの検出という課題に合わせて学習させた。予測した神経活動は、既存の生理測定と照合されている。
ここでは、構造だけでなく、何を計算する回路と見なすかという課題設定も働いている。モデルが課題を解けるようになったことと、その内部が生物と同じ仕組みであることには距離がある。学習はその距離を自動的に消すものではない。
2025年のカリアーとクランディニンの研究も、その距離を示す。ハエの視覚系の43細胞型について、配線からの予測がよく合う応答特性と、合いにくい特性があった。数の少ない強い入力が、応答に大きく寄与することも報告されている。
配線を使うモデルに求めたいのは、完成した脳の代用品という役割より、測定で試せる仮説を具体化する役割である。構造を条件に候補を作り、まだ使っていない刺激への反応や、回路を変えた際の応答を予測する。実験で外れた部分も、次の候補を絞る情報になる。
比較によって、同じ機能の内訳が見える
一つの回路だけを詳しく見ると、そこにある特徴のどれが不可欠なのかを区別しにくい。別の生物でも似た課題を解いているなら、保存された構造と、変わっても働く構造を比較できる。ただし、比べるための地図を作る段階から難しさがある。
ジレらの六種昆虫を対象にした再構築法は、領域全体を細胞の走行が分かる細かさで撮影し、重要な一部をシナプス単位で調べる。異なる解像度を組み合わせる方法であり、六種の脳全体が同じ詳細さで読み出されたという成果ではない。2026年4月のeLifeの査読付きプレプリントでは、撮影時間の短縮に対する支持と、共同利用できる手法としての検証不足が併記されている。
比較の先に何が見えるか。セイヤーらの2026年の未査読研究は、ハチ、アリ、ハエの頭方位回路を調べ、細胞型や走行に強い共通性がある一方、ハチとハエではシナプスの結び方に違いがあると報告した。その違いを条件に作ったモデルは、双方とも向きを保持する環状の活動を実現し得る。ただし、特性は似ていても同一ではない。
同じ問題を異なる配線で解く可能性が、ここでは具体的な候補になっている。それでも、生体内で同一の計算が確認されたわけでも、その回路を人工身体へ転用できたわけでもない。モデル上の類似、神経活動の類似、工学的な再利用は、別々に証拠が要る。
また、長く保存された回路を最良の設計と見なすことにも慎重でありたい。構造が残る理由には、機能上の利点に加え、発生上の制約や、他の回路との結合も考えられる。違う配線が似た働きを示す場合も、それだけで独立した進化による収斂とは言えない。共通性を見つけることは、歴史と性能を一つの説明へまとめることではない。
計算を取り出す抽象度
時計の文字盤を思い浮かべる。現在の向きを、その円周上のある位置に保ち、頭を回した分だけ位置を動かす。実際の細胞配置を写さなくても、このような方向表現の考え方は人工物へ持ち込めそうに見える。
ここには、少なくともいくつかの段階がある。自分の向きを推定するという課題があり、循環する状態の中に向きを保持するという計算の考え方がある。その状態を安定させ、運動に応じて更新する具体的な仕組みがあり、さらに細胞とシナプスによる実装がある。
同じ課題だからといって、下の段階まで同じとは限らない。別の細胞配置で似た時間変化が生じることも、似た配線から違う時間変化が生じることもあり得る。どの段階で共通性を捉えるかによって、再利用できたという主張の内容は変わる。
抽象度を上げるほど、異なる対象に当てはめやすくなる場合はある。しかし、細部を落とし過ぎれば、配線を測る前から知られていた一般的な制御原理に戻る。その場合、配線計測が追加したものを改めて説明しなければならない。
私には、共通原理を探す面白さは、細部から自由になることだけにはないように思える。どの細部を省いても予測が残り、どれを省くと特定の条件で外れるかが分かることにある。抽象化の適否を、説明できる現象と外れる条件によって点検するのである。
移植可能性は、移植元と移植先の関係にある
その点検に人工身体を加えると、身体の位置づけも変わる。
例えば、方向に応じて景色が変わり、その景色を受けて次の運動が決まる装置を考える。同じ映像を入力しても、移植先の身体がゆっくり回るなら、次に入る景色は元の生物と違う。感覚器を付ける位置や信号の遅れを変えるだけでも、回路が向き合う問題は変わる。
神経系、身体、環境は、この循環の中で互いの条件を作っている。身体を計算の外に置き、入出力の変換だけで片付けられるとは限らない。一方、すべてが一体だから切り分け不能だと結論すれば、何が働きを支えているかを試す道も閉じてしまう。
そこで、身体との関係を少しずつ変えてみる。視覚情報の遅れを増やす。運動の速さを変える。感覚を一部欠落させる。これらは本稿が考える比較実験の例であり、先に挙げた研究がすべて実施したという意味ではない。どの変更で何が崩れるかを追うことで、計算の有効範囲を調べる。
移植可能性は、回路に固定された資格ではない。同じ回路でも、移植先の身体と課題が違えば、必要な変換や学習の量が違う。何をどこへ移すと、どれだけ変更が必要か。その関係として記述した方が、工学的にも科学的にも情報が多い。
配線を測る追加価値を問う
ここで厳しい問いが残る。生物から役立つ設計を学ぶだけなら、これほど細かい配線図が必要なのか。
2026年のビー・ナブの研究は、ミツバチの学習飛行を参考に、移動量から帰路を推定する方法と、学習した視覚情報による補正を組み合わせ、ドローンの帰巣を実機で検証している。昆虫のシナプス配線を移植したものではない。帰巣に狙いを絞った方法であり、あらゆる場所への経路計画を代替する成果とも区別される。
この例は、比較コネクトミクスの意義を弱めるために持ち出すものではない。工学的に達成したいことと、そのために必要な観測を分けるために重要なのである。帰巣を実現する目的なら、行動から着想した方法で十分な場合もある。
配線計測は、似た行動を生む内部構造の違いを、予測や介入の条件として使える。例えば、ある接続を変えた際に、どの条件の動作が影響を受けるかという問いが立つ。しかし、その情報を得たために設計が改善したかは、また別の比較である。
生物由来のモデルと通常の制御方法を、同じ感覚情報、計算資源、学習機会の下で試す。そのうえで、どの環境に強く、どの変化に弱いかを見る。生物に由来するという説明は、勝敗を決める前提から外しておく。その方が、何を学べたのかがはっきりする。
成功と失敗を分解する実験
ここから先は、先行研究の到達点を踏まえた研究構想である。比較した回路が人工身体でも働くかを確かめるには、結果の見せ方から設計する必要がある。
最初に、元の条件でモデルの予測を試す。観測済みのデータに合ったことだけでなく、学習に使っていない刺激や条件への予測を生理測定と比べる。生体の回路への介入で、どの予測を検証できるかも検討する。モデルを動かすことと、生物の内部機構を同定することを分けて扱うためである。
次に、身体や感覚の条件を変える。人工身体へつなぐなら、入力や出力を変換する部分がどんな役割を担ったかを記録する。ここで大きな学習済みモデルを前後に置けば、生物由来の回路の不足をそれが補ってしまうかもしれない。
成功した場合には、生物由来の部分を外す、別の構造に置き換える、変換器だけを使うといった比較が必要になる。どの部分を残すと性能が保たれるかによって、再利用の寄与を評価する。再学習の量も、最終成績とともに数えるべきだろう。
失敗した場合には、元のモデルの誤差、感覚の対応づけ、学習の不足、移植先の身体条件などを切り分ける。一度の失敗は、身体依存性の証明にはならない。複数のモデルと接続方法を試し、特定の条件で予測どおりに崩れることが確認されて、ようやく依存関係を支持する証拠が増える。
成功は生物の知恵、失敗は身体の深さ。どちらに転んでも納得できる物語は、実験の結論としては弱い。何が起きれば自分の説明を修正するかを、比較の前に決めておく必要がある。
比較できる状態を保つ組織
こうした研究には、計測、神経活動の解析、モデル化、ロボット制御の専門性が要る。だからといって、それらの間が手付かずの空白だと考えるのも正確ではない。
例えば、神経形態の解析基盤NAVisには、複数形式の入出力や神経形態の比較、別の解析環境との接続がある。既存の道具を確認し、人工身体での評価まで進む際に何が追加で必要なのかを見定めることが出発点になる。
必要な仕事は、変換形式を一度決めることにとどまらない。実測と仮定と学習による推定を区別し、データの修正がモデルへ及ぼす影響を追い、共通の課題で再実験できる状態を保つ。失敗した条件や再学習に使った資源も、比較から落としてはならない。
ここには企業の役割も考えられる。しかし、科学的に必要な仕事と、継続して料金を払う顧客がいる仕事は同じではない。公開された基盤の維持には、大学の共同事業、非営利組織、公的資金と企業の分担など、複数の方法があり得る。
E11 Bioが掲げる非営利の研究組織という形は、一つの参考になる。同組織は、大規模な共同開発と、直ちに産業界で収益化しにくい公共財の形成を役割としている。これは脳の計測技術を担う組織の例であって、本稿の移植評価を実施しているということではない。
組織形態の名前よりも、何を成果として認め、誰が更新に責任を持つかが重要になる。新しいモデルを発表する仕事に加え、他者のモデルを動かし続け、条件をそろえ、比較の誤りを直す仕事が評価される必要がある。その継続費用を誰が負担するかは、技術の後に付け加える経営問題ではなく、どんな比較科学を成立させられるかを左右する条件である。
持ち帰れる部分と、残る関係
比較条件を決めること自体にも、選択がある。速く帰れることだけを成績にすれば、遅くても感覚の欠落に強い方法を低く評価するかもしれない。一つの順位で生物を並べ直すより、何を変えると順位が変わるかを残した方が、設計へ持ち帰れる情報は多い。
人間の全脳を読み終えるまで待つ必要はない。小さな回路からでも、同じ課題への異なる解き方を比べる問いは立つ。ただし、小さければ簡単に持ち出せると考えることもできない。その回路を支える身体と環境の条件が、数の少ない細胞の外側に広がっている場合があるからだ。
生命が実際に使ってきた回路は、そのまま接続すれば動く部品集として渡されるわけではない。比較し、予測し、条件を変えてみることで、どこまでを一つの働きとして扱えるかが少しずつ分かる。
そこで人工物へ持ち帰れる原理が見つかれば、新しい設計の手掛かりになる。なお持ち出せない条件が残れば、何が身体との関係に支えられていたかを調べる道が続く。比較コネクトミクスから考えたいのは、その両方を記録し、次の実験へ渡せる科学である。
ポイント整理
配線と学習が作る検証可能な候補
実測構造はモデルの自由度を絞るが、課題設定や未知の値の調整も結果に関わる。
未観測条件の予測と生理測定の照合によって、説明できる範囲を確かめる。
抽象度と身体条件による再利用の違い
課題、計算の考え方、活動を生む仕組み、細胞実装のどこを再利用したかを分ける。
移植先と課題に応じて必要になる変更や再学習を記録する。
配線計測の追加価値の検証
行動から着想する生物模倣でも工学的成果は得られる。
内部構造を測ったことで何が改善したかを、通常の制御手法とも比べる。
成功と失敗の寄与の切り分け
成功時も変換器や再学習の働きを分離し、生物由来の部分の寄与を調べる。
失敗時はモデル誤差や接続方法も検討し、身体依存性を即断しない。
比較を維持する研究基盤
既存の解析資源を使い、実測・仮定・推定と修正履歴を追えるようにする。
更新、再実験、失敗記録を支える資金と責任の分担を設計する。
キーワード解説
【コネクトミクス (connectomics)】
神経系の構成要素と接続を広く記述する研究。本稿では主に、電子顕微鏡などを使って細胞やシナプスのつながりを調べる研究を指す。脳領域間の結合を測る研究とは、対象の細かさが異なる。
【頭方位】
頭が空間のどちらを向いているかという方向。移動先の方角や、実際に進んでいる方向とは区別される。向きの表現を維持し、回転に応じて更新することが、航法に関わる計算の一部になる。
【リングアトラクター (ring attractor)】
環状に並ぶ状態の中で、ある位置の活動を安定して保つ仕組み。方向のように一周すると元へ戻る量の表現に使われる。ここでの環状性は計算上の状態の関係を表し、細胞が物理的に円形に並ぶことだけを意味しない。
【同定可能性】
得られた観測から、内部の仕組みや値をどこまで区別して決められるかという性質。複数のモデルが同じデータを説明できるなら、そのデータへの適合だけでは一つを選べない。追加の観測や条件変更が、候補の区別に必要になる。
【アブレーション (ablation)】
モデルの一部を取り除いたり置き換えたりして、その部分が結果へどの程度寄与したかを調べる操作。性能が変わらなくても、他の部分が働きを補った可能性があり、条件を変えた点検が必要になる。生体での組織除去などを指す用法もあるが、本稿では主にモデルの比較操作を念頭に置く。