学びが脳の活動に与える影響
トレーニングは神経反応に影響を与えて、認識力や意思決定を向上させるんだ。
― 0 分で読む
目次
何かを見ると、脳の視覚エリアの神経細胞がたくさん活性化するんだ。この活動はタスクを練習することで変化して、その変化はタスク外で同じものを見ても続くことがあるんだ。科学者たちはこの脳の活動の変化を主に単一の神経細胞を調べることで見てきたけど、その結果は混乱したり矛盾することもあるんだ。一部の研究では特定のタスクで多くの神経細胞が活性化するって示してるけど、他の研究では逆のことを言ってたりする。ある研究では神経細胞の反応が広がるって言ったり、他は鋭くなるって言ったりしてる。こうした違いは研究者がどの神経細胞を選んで解析するかによって生じるかもしれないんだ。
物事を簡単にするために、神経細胞のグループ全体がどのように反応するかを見るのが役立つんだ。神経細胞のグループが見るものにどう反応するかは、現代のコンピュータープログラムのように複雑な信号のセットと考えられるよ。もし学習がこれらの神経細胞グループの応答にどんな影響を与えるかを数学的に解明できれば、生物学的に何が起きているかのより明確な絵が見えるかもしれないんだ。
学習が脳の活動にどのように影響を与えるかについての一般的な考えの一つは、見るものを認識する能力が向上するってことなんだ。同じものを何度も見せられると、脳の反応はバラバラになることがある。このバリエーションは神経からの信号をどれだけ正確に解釈できるかを制限するかもしれない。研究者たちは学習によってこの不一致が減って、脳が情報を処理するのが向上するって考えてる。でも、神経細胞が異なる反応を示すからって、見るものを認識する全体的な能力が下がるわけじゃないんだ。実際、普通の視覚タスクのいくつかでは、神経細胞はトレーニングなしでも非常に信頼性が高く反応することがある。それに、触覚や嗅覚のような脳の他のエリアからの結果も異なっていて、学習が認識精度を高めるわけではなかったりするんだ。
学習が脳の活動をどう変えるかについての別のアイデアは、感覚を扱う他の脳のエリアで見られる反応の種類なんだ。バックグラウンドノイズがなくても、学習システムはある刺激に対して他の刺激よりも反応が良くなる傾向があることがわかってる。これは、動物が似た神経反応を引き起こす感覚情報に似た反応を示し、異なる神経反応を引き起こす刺激を区別しやすくなるってことを意味してる。動物が2つの異なる刺激に対してどの反応を持つかを学ぶためには、これらの刺激に対する神経反応が明確に異なる必要があるんだ。これが、決定を下す脳のエリアがより良い反応を示し、こうした変化を異なる行動に結びつけるのを助けることになるんだ。
ある研究では、研究者たちがトレーニングがマウスの視覚神経細胞の反応にどう影響するかを調べたんだ。マウスは特定の視覚パターン、特に2つの異なる角度の線と異なる行動を結びつけることを学んだんだ。研究者たちは、トレーニングの前後でほぼ5,000の神経細胞の活動を記録したんだ。彼らは、トレーニング前からマウスが視覚パターンに対して一貫した反応を示していたことを発見した、つまり脳はこの情報を既にうまく処理していたってことなんだ。トレーニング後は、個々の神経細胞の振る舞いに多くの変化があって、混沌としてるように見えたけど、細胞のグループ全体を見ると、研究者たちはこれらの変化を数学的な関数で説明できて、神経同士のコミュニケーションがより明確になったと示しているんだ。
トレーニング中、マウスには視覚パターンのペアが示され、そのパターンを動かすために車輪を回さなきゃいけなかったんだ。もし一つのパターンに向かって回すか、他のパターンから離れて回すと、報酬がもらえたんだ。3つ目のパターンは気を散らす役目を果たした。研究者たちは、マウスが学ぶ過程で脳がこれらのパターンにどう反応するかを見てたんだ。
タスク中の脳の活動の全体的なパターンを見て、研究者たちは学習が進むにつれて反応が重なり合わなくなっていくのに気づいたんだ。2つの重要なパターンに対する反応がより明確になって、より良い意思決定ができるようになったんだ。これは、学習した行動が脳が異なる刺激を処理する際のより良い区別を可能にしたことを意味してる。
研究はトレーニング前と後の脳の視覚エリアの活動を比較して、タスクパターンに反応する神経細胞のグループがより希薄になり、つまり両方のタスク関連刺激に積極的に反応する細胞が減ったことを見つけたんだ。これは主に、反応が弱い細胞が活動を止め、より反応の良い細胞はそのままだったからなんだ。このグループの反応の変化は、より正確な決定を下すのを助けるかもしれない。
マウスの脳の働きが学習によってどう変わったのかを見極めるために、研究者たちは特別な技術を使ってトレーニング前後の神経細胞の振る舞いを調べたんだ。彼らは、神経反応が一貫していて、トレーニング前にグループの活動から刺激が何であるかを解読することができることを発見した。これは、学習が始まる前にも情報が既に十分明確だったってことを意味してるんだ。
驚くべきことに、マウスが異なる視覚刺激に反応する必要があるタスクでは、実際に脳がその刺激を表す能力が変わったんだ。研究は、トレーニングパターンに対する反応が時間と共に抑制されるようになったって指摘したんだ。つまり、最初にうまく反応していた細胞がトレーニング後に同じパターンに対して活動が減少したってこと。研究者たちは、この抑制がマウスの行動に関連する2つのパターンに対する反応で最も大きかったことを発見した。でも、気を散らすパターンは同じようには影響を受けなかったんだ、同じ頻度で提示されていたにも関わらず。
神経反応に見られる変化は、より複雑な相互作用を反映していたんだ。例えば、神経細胞はトレーニング後に異なるチューニング行動を示し始めたんだ。あるものは選択的でなくなり、単一のパターンにだけでなく複数のパターンに反応するようになったんだ。トレーニングはまた、特定の反応パターンが急激になったりもして、特定のパターンに調整された細胞が反応が弱くなっても、他の細胞が異なる刺激に対してより鋭く反応するようになったりしたんだ。
もっと詳しく見ると、研究者たちは反応のパターンがマウスの行動によって変わることに気づいたんだ。マウスの動き方や環境とのやりとりが、脳が見た情報をどう処理するかに影響を与えることがあったんだ。このつながりは、神経反応が目の前にあるものだけでなく、その瞬間の気持ちや反応にも基づいているってことを意味してる。
研究は、学習が脳の視覚エリアの働きを変える可能性がある、特に刺激に対する神経反応をより正確で明確にし、その行動に関連づける形で変わるって結論づけたんだ。タスクトレーニングが神経細胞間のスパースさと明確な反応を引き起こしたって事実は、学習が情報処理の仕方を個々の神経レベルだけでなく、グループレベルで形作ったことを示してるんだ。
動物がどう学んで環境を認識するかについての洞察を得ることで、研究者たちは動物の行動を理解するだけでなく、これらの発見を人工知能や機械学習に応用できることを期待してるんだ。学習と反応の背後にある神経メカニズムをさらに探求することで、経験が知覚や意思決定能力にどう影響するかがもっと明らかになるんだ、ヒトにも動物にもね。
タイトル: Visuomotor association orthogonalizes visual cortical population codes
概要: Training in behavioral tasks can alter visual cortical stimulus coding, but the precise form of this plasticity is unclear. We measured orientation tuning in 4,000-neuron populations of mouse V1 before and after training on a visuomotor task. Changes to single-cell tuning curves were apparently complex, including appearance of asymmetric and multi-peaked tuning curves. Nevertheless, these changes reflected a simple mathematical transformation of population activity, suppressing responses to motor-associated stimuli specifically in cells responding at intermediate levels. The strength of the transformation varied across trials, suggesting a dynamic circuit mechanism rather than static synaptic plasticity. This transformation resulted in sparsening and orthogonalization of population codes for motor-associated stimuli. Training did not improve the performance of an optimal stimulus decoder, which was already perfect even for naive codes, but the resulting orthogonalization improved the performance of a suboptimal decoder model with inductive bias as might be found in downstream readout circuits.
著者: Samuel W Failor, M. Carandini, K. D. Harris
最終更新: 2024-07-04 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2021.05.23.445338
ソースPDF: https://www.biorxiv.org/content/10.1101/2021.05.23.445338.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。