予測エラー処理と予想情報のシャープ化
科学報告
背景紹介
感知と神経処理における感覚情報は、事前の期待に大きく影響される。感知は単なる受動的な受信ではなく、過去の経験と現在の状況に基づいた事前情報と現有の感覚情報を統合する積極的な推論プロセスである。この情報の統合方式は異なるメカニズムで表現されることがある。一つは異常入力に焦点を当てた予測誤差信号処理（Prediction Error、略称PE）、もう一つは予測情報の強化を通じて実現する鋭化表示である。本稿では、顔認識におけるこれら二つのメカニズムの表現について研究した。
研究の出典
この研究はドイツ・ハンブルク大学医療センター(University Medical Center Hamburg-Eppendorf)システム神経科学科のAnnika GarlichsとHelen Blankによって行われ、2024年4月の『Nature Communications』誌に掲載された。
研究流程及び方法
研究設計及び手順
実験設計：研究は機能的磁気共鳴画像法（fMRI）データに基づいて行われ、深層神経ネットワーク（DCNN）を用いた計算モデリングを組み合わせた。参加者は初めにシーン画像と後に提示される顔画像を関連付ける訓練を受け、実験画像には4つの異なる男性の顔が含まれている。これらの顔を変形して曖昧な顔を生成し、顔識別時に不確実性を導入する。
実験フロー：実験は全部で4部分に分かれており、第一部分は顔画像の個別調整、第二部分は関連トレーニング、第三部分はfMRI主実験、そして最後の部分は機能ロケータ実験となっている。主実験では、参加者は顔を識別し、対応するボタンを右手で押すことにより認識した顔の正体を指示する。
多重対比分析：データ分析において、脳の異なる領域で多重対比分析を使用してPEと鋭化表示を区別する。異なる実験条件下での神経表象の不相似行列（RDM）を比較し、深層畳み込み神経ネットワーク（DCNN）モデル（例：vgg-face、vgg-16、resnet50）を融合して仮設モデルを最適化し、顔表象の変化を説明する。
単変量と多変量データ分析：単変量分析を使用して事前期待された顔と期待されていない顔情報の脳全体の活性化の違いを発見する。特に顔認識に敏感な領域（例えば枕部顔領域（OFA）、紡錘状回顔領域（FFA）、前頭葉（ATL））に注目する。さらに、多変量fMRI表象相似分析（RSA）および計算モデリングを組み合わせて、脳内各領域の情報処理メカニズムを特定する。
具体的な研究手順
個別顔変形校正：まずFacegenソフトウェアを使用して4枚の異なる男性の顔を作成し、顔の特徴を調整して形状、色、位置情報において顕著な差異を持たせる。これらの顔を参加者に対して顔変形の校正を行い、各参加者の50/50変形顔の認識閾値を決定する。
関連トレーニング：参加者は4つのシーン画像と4つの顔画像を関連付ける訓練を受け、訓練後にfMRI実験で初めにシーン画像を提示し、その後に予期された、予期されなかった、および曖昧な顔画像を提示する。参加者は提示された情報を基にそれらが認識した顔を選ぶ必要がある。
機能的磁気共鳴画像法（fMRI）実験：fMRIを用いて参加者が顔画像を見て識別する際の脳活動を記録する。曖昧な顔に対して多変量fMRI表象相似分析（RSA）を実施し、深層神経ネットワークモデル（例：vgg-face）を組み合わせて情報処理の神経表象を抽出する。
仮設モデル生成：神経ネットワーク層の活性化データ（例：vgg-faceのpool4およびpool5層）を基に仮設表象不相似性マトリックス（RDM）を生成し、神経データと比較して顔識別におけるPEと鋭化メカニズムの役割を検証する。
主要な結果
同化効果：行動データは、予期された顔の認識反応時間が短く（図3b）、曖昧な顔が予期された顔として認識される頻度が高い（図3a）ことを示し、明確な同化効果が観察された。
fMRI活性化の低下：予期された顔に対するfMRI活性化が予期されなかった顔に比べて顕著に低下し、特に紡錘状回の中後部（pFFA）および中下側頭回（ITG / MTG）領域（図4）で顕著であった。
PEと鋭化表示：RSA結果は、顔処理の全階層（OFA、pFFAからATL）にPE処理メカニズムが存在することを示しており（図4a, d-f）、早期顔処理領域OFAにおいても鋭化表示の証拠が見られた（図4b）。
結論と意義
本研究は、予期された文脈が顔認識における神経表象メカニズムにどのように影響するかを明らかにし、以下の結論を導いた： 1. 予測誤差の重要性：枕部顔領域（OFA）、紡錘状回顔領域（FFA）から前頭葉（ATL）に至る顔処理の全階層において予測誤差処理が主導的であることを示した。
鋭化表示の存在：顔処理の初期段階（例：OFA）に鋭化表示の存在を発見した。
脳が事前知識と感覚入力を統合する方法：研究は、脳内で事前知識と感覚入力を統合する予測処理メカニズムを支持する証拠を提供し、このメカニズムが顔認識に影響を与えることを示した。
研究のハイライト
- 多変量分析によるPEと鋭化メカニズムの区別：多変量fMRIと深層神経ネットワークモデルの活性化を組み合わせることで、予測誤差処理と鋭化表示を成功裏に区別し、顔認識分野に新たな理解を提供した。
- 新規の実験設計：曖昧な顔とシーン関連トレーニングを用いた本研究は、制御された条件下で神経表象の差異を正確に測定した。
付加情報
- 方法の正確性と再現性：vgg-face、vgg-16、およびresnet50などの高度な深層神経ネットワークを使用して脳の顔処理メカニズムをシミュレーションおよび分析した結果、PEと鋭化表示が共存できることが示され、脳の視覚情報処理メカニズムの理解を深化させた。
- 今後の研究方向：今後の研究では、これらの表象が脳の異なるレベルの情報処理メカニズムと関連しているかどうかをさらに調査する特に高い空間分解能を持つ研究で探求することができる。
本研究は、脳が予測と鋭化メカニズムを通じて事前知識を統合し顔情報を処理する方法についての深い理解を提供し、これらのメカニズムが感知プロセスにおいて果たす役割と重要性を強調した。