イアン・バークハートはベージュ色のチューブに手を掛け、指を握りしめて空中に持ち上げる。ほとんどの人にとって、この動作は大したことではない。「あのチューブを掴め」と意識すると、脊髄からその命令が手へと伝わり、意識する間もなくチューブが実際に動く。しかし、8年前に肘から下の腕の機能を失ったイアンにとっては、この動作は異なる。
彼が「掴む」と思考すると、脳内のビーズほどの大きさの装置が電気信号を感知し、デスクトップコンピューターがそれを解釈し、ジッパー付きのスリーブから前腕に電流が流れ、手が動く。二度と自分の手を制御できるとは夢にも思っていなかったイアンは、この5年間でボトルから注ぐこと、ストローでかき混ぜること、さらにはギターヒーローをプレイすることさえ習得した。しかし、右腕が再び使えるようになるのは研究室の中だけだ。そこではエンジニアが彼をコンピューターに接続し、彼の思考を機械に読み取らせるための調整セッションを実施する必要がある。
今週、このインターフェースを開発している医師と神経科学者たちは、人間では初めて、機械学習戦略を斬新な組み合わせで活用し、退屈で反復的なトレーニングセッションを省略する新バージョンを発表しました。毎日何時間も機械をいじる必要がなくなることで、イアンさんのような人々が将来このデバイスを自宅に持ち帰ることができるようになります。「ボトルを手に取って飲み物を飲めるようになる。それが私の人生を本当に変えることになるでしょう」とイアンさんは言います。
イアンの人生は、2010年の春休みに大学の友人たちとノースカロライナ沖の波打ち際で飛び込んで以来、すっかり変わってしまった。それまで何百回も海に飛び込んできたのに、あの日、波に頭をぶつけられ、見えない砂州に押し込まれ、首を骨折してしまった。友人たちが彼を岸に引き上げた頃には、太陽の温もりを顔に感じるだけだった。
4年後、理学療法士からオハイオ州立大学と民間応用科学企業バテルの共同実験を紹介されたイアンは、外科医によって右手を制御する脳の部位に微小な電極アレイを埋め込まれた。脳細胞の活動に伴う電気的なバーストを記録するセンサーは、後頭部の小さなポートに接続され、映画『マトリックス』のようにコンピューターに直接接続できるようになった。ここからが本当の仕事の始まりだ。毎秒数百万ものデータポイントを意味のある動作に変換するのだ。
「手で何か動作をすると、手の領域の運動皮質が活性化します」とバテル研究所の機械学習研究者、デイビッド・フリーデンバーグ氏は言う。「ですから、本当の秘訣は、もっと微妙な異なる手の動きの違いを見つけ出すことです。」
関連する脳信号間のほぼ知覚できない差異を解明するために、研究チームはニューラルネットワークに着目した。ニューラルネットワークとは、似たようなデータセットを、様々なルールを推測・検証し、最終的に有効なルールを見つけるコンピュータープログラムである。典型的な4時間のラボセッションでは、イアンは時間の半分を、ニューラルネットワークがどの脳信号がどの動作に対応するかを学習できるよう、様々な手の動きについて指示通りに考えさせる「教師あり学習」と呼ばれる手法に費やし、残りの残りの時間を実験の実行に費やしている。最初は訓練に苦労したが、徐々にコントロールできるようになった。
「セッションが終わると精神的に疲れ果てていました」とイアンは言う。「でも今は、腕を動かすことに集中しないといけないけれど、それに集中しながら同時に他のこともできるようになったんです。」
イアンが機械に指示を出す能力は向上したが、機械はイアンの行動を読み取る能力に限界を迎えた。脳細胞の基準発火量は、睡眠時間、服用している薬、2杯目のコーヒーを飲んだかどうかなど、日々変化する。つまり、月曜日に脳インターフェースが学習したパターンが、火曜日には役に立たなくなる可能性があるのだ。既知の動作シーケンスに基づいて継続的に再トレーニングしなければ、このようなシステムは数時間で機能不全に陥ってしまう。これは、家庭でこのような機械を目にする人にとっては致命的な問題だ。なぜなら、ユーザーは毎日何時間もかけてデバイスの設定をすることはできないからだ。
チームが月曜日にネイチャー・メディシン誌の論文で概説した解決策の1つは、研究者が動作の名前の例を入力しなくても学習できる2つ目のニューラルネットワークを組み込むことであり、これは「教師なし」学習の一例である。
まず研究チームは、イアンが各動作コマンドを順番に考えながら実演するという、従来の「教師あり」方式でネットワークを訓練した。その後、教師なしネットワークが引き継いだ。イアンがデバイスを自由に使用している間、ネットワークは彼の思考を監視したが、誰も彼に何をしているのかを明示的に指示しなかった。マシンはセットアップトレーニングを用いてイアンがどのような動作をしているかを推測し、その推測に基づいて即座に再トレーニングを行った。スペイン語のコースを一度受講した後、メキシコのメロドラマをたくさん観ることで独学で基本的な語学力を維持しようとすることを想像してみてほしい。文法の質問にすべて答えてくれる先生が近くにいる方が効率的だが、十分な初期知識があれば、テレノベラマラソンで衰退を食い止めるのに十分かもしれない。
最終的に、このハイブリッドシステムは、再訓練なしで1年間、イアンの運動信号を90%以上の確率で正確に解釈しました。また、従来のシステムよりも10%近く優れた性能を発揮しました。他の研究グループもサルを対象に同様の研究を行っていますが、フリーデンバーグ氏によると、このようなデバイスが人間に対してこれほど安定して機能したのは初めてとのことです。
このシステムは新しい動作も素早く学習しました。手首を曲げるといったわずか4種類の大まかな手の動作しか学習できませんでしたが、イアンがわずか7分間入力しただけで、90%近くの精度でイアンの手を開く動作を学習することができました。「『これが私が探している基本的なパターンだ』と判断するには、ほんの数例だけで十分です。そして、残りのデータは、変動する可能性のあるベースラインを補正するのに役立ちます」とフリーデンバーグは説明します。
プロジェクトの次のステップには、誰もが大きな期待を寄せています。「とにかく実験室の外に出して、性能をしっかり試してみたいんです」とイアンは言います。
そのためには、はるかに小型化する必要があります。現在のインターフェースは、テーブルの上に7つの大きなボックスが広がっており、持ち運びには非常に不便です。チームは、この装置をハードカバーの本ほどの大きさの1つのデバイスに小型化し、イアンの車椅子に収まるようにすることを目指しています。
それでも、この新しい自己学習システムは、究極の目標に向けた一歩を踏み出したと言えるでしょう。フリーデンバーグ氏は、毎日8時間分のデータがあれば、将来的にはユーザーによる学習はほとんど必要なくなると予想しています。イアン氏は特に、このデバイス、あるいは類似のデバイスをエンジニアの介在なしに操作できるようになる日を心待ちにしています。ピアノを弾くことは考えていないものの、荷物や調理器具をしっかりと握れるようになれば、料理や家事など、より自立した生活を送ることができるようになるでしょう。
「このようなデバイスが日常生活で使用可能になると知り、将来に対する大きな希望が再び湧いてきました」と彼は言う。「私にとっても、他の多くの人々にとってもです。」
