魚の脳を一段ずつ育てるシリーズ「シマメダカの成長」の序論です。計算機の中の架空の超大型メダカ「シマメダカ」を 1 匹止めて大きく映し、身体と脳のつくりを紹介します。
研究の背景: 渡辺研究室では、大脳の動作原理のひとつとされる予測符号化を実装したニューラルネットワーク(PredNet)を、ヒトの視覚のモデルとして検証してきました。その成果として、「蛇の回転錯視」(作: 北岡明佳)や「ベンハムの独楽」の錯視に似た知覚を再現してきました。今回は、学習が不安定な PredNet を刷新し、新しく LoopNet と呼ぶニューラルネットワークを開発しました。デモンストレーションとして LoopNet を複数つなぎ、視覚だけでなく、複数の感覚野、連合野、運動野としても LoopNet を使って、サカナの全脳を再現してみました。サカナは、与えられた世界で自ら学んで成長していきます。 物理演算: 世界と魚は、物理エンジン MuJoCo で動かし、描いています。魚の体は関節でつないだ硬い部品で、モーターが関節を曲げる力を出します。水は、流れそのものを解くのではなく、部品ごとに受ける力(抵抗・尾ビレの推進力(Lighthill の細長体理論)・ヒレの揚力・付加質量・浮力)を式で計算しています。時間の刻みは 0.5 ミリ秒(1 秒に 2000 回・4 次のルンゲ・クッタ法)。泳ぎは、その計算の結果として生まれます。この動画の絵と、魚の目に映る画も、同じ MuJoCo で描いています。 身体: 体長 12 cm。胴は 10 個の節に分かれていて、これがしま模様のわけです。節のつなぎ目の関節に、モーターが 1 個ずつ付いています。背骨 10・尾ビレ 1・胸ビレ 左右 2 ずつ・背ビレ 1・口 1。合わせて 17 個のモーターで泳ぎます。 センサー: 左右の目(横に広い 140° の視野と、前方の 40° を細かく見る画)、側線(左右 12 点ずつ・水の流れ)、三半規管(頭が回る速さ)、17 個の関節の角度、皮膚(触れたこと)、体の中の感覚(空腹・痛み・疲れ など)。 脳: 目の画は vision-loopnet へ、関節の角度は body-loopnet へ入ります。それらをまとめるのが associate-loopnet で、連合野にあたります。場所と出来事を 1 回で覚える「海馬にあたる部分」と、この先を予測して実際との差を計算する「ドーパミンにあたる部分」もあります。脊髄のリズムと反射は生まれつきです。 学習: この脳が学習するのは予測です。次の瞬間、目に何が映るか。体がどう感じるか。答えは、次の瞬間に世界が見せてくれます。泳ぎ方を、ごほうびで教え込むことはしていません。 ループ: 魚が体を動かすと、水が動き、見える景色が変わります。その変化はセンサーから脳へ戻り、次の動きを決めます。世界と生き物は、情報のループでつながっています。 チャプター 0:00 研究の背景(予測符号化と錯視) 0:39 PredNet から LoopNet へ 1:05 シマメダカの水槽 1:17 物理演算 1:51 身体とモーター 2:33 目 2:57 そのほかのセンサー 3:31 脳(LoopNet・海馬・ドーパミン) 4:34 何を学習するか 4:55 世界と生き物のループ つづき 再生リスト: https://www.youtube.com/playlist?list=PLcINmgNYi-v8 全 8 段を 10 分で見るまとめ: https://youtu.be/i5fOdDVPUZs 段 1 身体と脊髄だけ https://youtu.be/c7a1AvjmXO4 この動画について ・魚も水槽も、すべて計算機の中のシミュレーションです(物理エンジン MuJoCo)。本物の魚の映像ではありません。 ・「シマメダカ」は、この計算機の中の魚につけた名前です。体長 12 cm の、架空の超大型メダカです(本物のメダカは 3〜4 cm ほど)。3 匹の名前は リク・ソラ・ウミ。この動画で大きく映しているのはリクです。 ・LoopNet の中身は、この動画では説明していません。名前と役割だけを紹介しています。 ・字幕は日本語と英語があります(字幕ボタンで切り替え)。 関連論文(渡辺研究室・予測するニューラルネットワークと錯視) Illusory Motion Reproduced by Deep Neural Networks Trained for Prediction https://doi.org/10.3389/fpsyg.2018.00345 Motion illusion-like patterns extracted from photo and art images using predictive deep neural networks https://doi.org/10.1038/s41598-022-07438-3 Predictive networks generate motion-induced color illusions https://doi.org/10.1038/s41598-026-57953-w #人工生命 #シミュレーション #脳
