新型人工ニューラルネットワークが人間の視覚システムをより精密に再現 All-topographic neural networks（All-TNNs）が人間の視覚処理をより忠実に模倣する方法を開発。これにより、脳の視覚情報処理の理解が深まる可能性がある。 このタイトルは以下のように変更しました： シンプルで簡潔: 「新型人工ニューラルネットワークが人間の視覚システムをより精密に再現」 キャッチで情報量: タイトル自体が研究の核心を簡潔に捉え、All-TNNsが人間の視覚システムをより忠実に模倣していることを伝えています。 誇張や誤解を避ける: 人間の視覚システムを「精密に再現」するという表現は、過度に誇張せず、正確な情報を提供しています。 ニュースタイトルらしさ: テクノロジーのニュースサイトに適した形式と内容にしています。 コアインフォメーションの反映: All-TNNsが人間の視覚システムをより忠实地再現し、脳の視覚情報処理の理解に寄与するという研究の主要なポイントを明確に伝えています。

All-Topographic ニューラルネットワークが人間の視覚システムにより近いモデルを提供 Osnabrück 大学やフライブルク自由大学などの研究团队により、新たな人工ニューラルネットワーク (ANN) クラス「全地形ニューラルネットワーク（All-TNNs）」が開発されました。このネットワークは、現行の深層学習アルゴリズムである畳み込みニューラルネットワーク (CNN) や他の ANN に比べて、人間の視覚システムの機能や構造をより精密に模倣できることが示されています。All-TNNs は視覚野での特徴選択性の配列を再現することで、視覚信号処理の生物学的な正確性と一貫性を向上させています。 CNN は特定の特徴量を視覚入力全体で探す設計になっており、これは生物学的なニューラルネットワークでは不可能な手法です。人間の脳は網膜から視覚野へと視覚信号が伝えられる過程で、特徴量と検索位置の関係をシステムとして持っています。この関係性は、視覚皮質の表面を横断して組織化されているため、大規模な距離にわたって変化します。 論文の筆頭著者である Dr. Tim Kietzmann は次のように述べています。「私たちは、ML モデルを生物に基づいたモデルに改善するためにさまざまな方法を提案してきました。それには、より良い画像データセットでの学習、ネットワークアーキテクチャに反復接続を含める、モデルが訓練するべきタスクを再考するなどが含まれます。最近の研究では、視覚野の表面上に配置された特徴検出器の配列に焦点を当てました。」 All-TNNs と呼ばれる新しいモデルは、視覚皮質の組織化原理だけでなく、人間の行動パターンも既存のモデルよりもよく捉えていることが確認されました。これは視覚信号処理における生物学的なリアルさを高め、将来、人間の視覚システムの神経基盤を解明する研究や心理学の研究に活用される可能性があります。特に、視覚皮質上の特徴選択性の配列（トポグラフィー）が人間の知覚や行動にどう影響を与えるかを詳しく理解するために有用となるでしょう。 Kietzmann 博士は現在、以下の課題に取り組んでいます。「全地形ネットワークはパラメータ数が多いため、タスク性能を向上させるための効率的な学習方法を開発しています。また、空間上で滑らかな特徴選択性を持つようにモデルを調整する必要がありますが、生物学的にそれは無意識に行われていることから、そのメカニズムを明らかにすることも重要な研究テーマとなっています。」 業界関係者のコメントと会社概要 この研究は、神経科学と心理学の両分野において新しい視点を提供し、人間の視覚処理をさらに深く理解する道をつけます。研究の主要な貢献者である Dr. Kietzmann は、生物学的 realism を高めるための具体的な手法を積極的に探求しており、その成果が今後の研究に大きく貢献すると期待されています。Science X Network の記者 Ingrid Fadelli が執筆・Robert Egan が編集した本記事は、読者の皆様への独自の科学ジャーナリズムの継続にご支援をお願いします。月額寄付も大歓迎です。