中高生と“いのちの不思議”を考える─生命科学DOKIDOKI研究室

サイバーローデントの研究を続けるうち、おもしろい現象に気づきました。

何もしないことを学習してしまうロボットが出てきたんです。カメラで電池パックが見えていても、すぐ目の前でないとじっとしたまま。まるでうつ状態のようでした。

強化学習ロボットは、ある行動をとるとどれくらいの報酬が得られるかを予測して行動を選ぶのだけど、どれだけ先の報酬まで予測に入れるかを調整しなくてはいけないんだ。この数値もさっきお話しした進化の仕組みで変化させたのですが、このロボットの数値を調べたら、今すぐ手に入る報酬しか予測に入らないきわめて低い値になっていました。内蔵電池を使って動いたあとに電池パックを捕まえる、つまり最初にマイナスの報酬を受けたあとにプラスの報酬が得られるような場合、目先の結果だけを考えるとやらない方がましだということになってしまうんです。人間がうつ状態になってしまうのも、ひょっとしたらこのロボットと同じように、将来の報酬に対する評価が低くなるのがひとつの原因ではないか。そこでこうした脳のメカニズムを調べてみたいと、マウスで実験してみたのです。

うつ病の治療には脳の内のセロトニンという神経伝達物質を増やす薬が使われます。そこで、セロトニンが将来得られる報酬の評価にどう影響するのかを調べる実験を組み立てました。
マウスに、小さな穴に一定時間鼻先を入れて（ノーズポーク）じっと待つとエサが獲得できるという学習をさせました。ただし、待ち時間やエサのあるなしはランダムです。待ち時間が短いとマウスはちゃんと待てるのですが、待ち時間が長くなると、あきらめて鼻を出してしまい、エサがもらえません。
このとき、光遺伝学という手法を使って、報酬を待っている間にセロトニンを放出する神経細胞の活動を増加させると、より長い間待ち続けるようになることがわかったのです。

私が興味を持っているのは、予測や意思決定にかかわる脳の高度な制御機構がどのようなメカニズムで成り立っているのか、その仕組みを数式やプログラムで表したモデルをつくることと、実際の脳のメカニズムを解明することです。