マサチューセッツ工科大学（MIT）の研究者チームは、新しい学習スキルを習得する際、脳内の個々のニューロンがそれぞれ正確に指示されたフィードバック信号を受け取って活動の調整を行っていることを実証しました。この発見は、人工知能（AI）が誤差信号を用いてネットワークの接続を調整する「逆伝播」という学習アルゴリズムと驚くほど似ています。研究は、脳と認知科学部門のマーク・ハネット准教授の指揮のもと、マウスを用いた脳コンピュータインターフェース（BCI）実験によって達成されました。チームは、脳内の特定のニューロン数個の活動と報酬の得られ方を直接リンクするタスクを設計しました。正解となるニューロンを活性化させると甘いご褒美が与えられ、誤りとなるニューロンは抑制する必要があります。学習開始から1週間以内にマウスは正しいニューロンだけを活性化させることを学びました。この過程で研究者らは、ニューロンの樹状突起に到達するフィードバック信号を直接観測し、成功したニューロンには活性化するよう、失敗したニューロンには抑制するよう、それぞれ相反する「ベクトル化された指示信号」が送られていることを発見しました。これらの信号を人為的に阻害した際、マウスがタスクを学習できなくなったことから、この信号が学習に不可欠であることが確認されました。従来の脳科学では、ドーパミンなどの神経調節物質が広範囲に伝播するため、個々のニューロンごとの貢献度を区別した効率的な学習メカニズムの解明が困難でした。しかし今回の研究は、脳がソフトウェア上のアルゴリズムと同様に、個々のニューロンに対して個別化された誤差信号を使用して学習していることを生物学的に初めて証明するものです。この成果は、脳の学習メカニズムの理解を深めるだけでなく、より脳にインスパイアされた高性能なAIモデルの開発にも大きな貢献が期待されます。研究者らは、今後この手法を用いて、大脳皮質を含む他の脳領域における学習プロセスも解明し、生物学的な学習と人工知能の学習アルゴリズムの類似点や相違点を探ることで、新たな創発的な発見につながると展望しています。この研究結果は2月25日付の科学誌ネイチャーに公開されました。