ニューラルネットワーク（生物学）

ニューラルネットワーク（神経ネットワークとも呼ばれる）は、相互接続されたニューロンの集団（通常は複数の神経回路を含む）である。^{[ 1 ]}生物学的ニューラルネットワークは、神経系の組織と機能を理解するために研究されている。

密接に関連しているのが人工ニューラルネットワークであり、これは生物学的ニューラルネットワークにヒントを得た機械学習モデルとして定義される。人工ニューロンは、神経回路で使用されるメカニズムに類似するように設計された数学的関数によって生成される人工ニューロンで構成されている。

生物学的神経ネットワークは、化学的に結合した、または機能的に関連付けられたニューロンのグループで構成されています。^{[ 2 ]} 1 つのニューロンは他の多くのニューロンと接続されている場合があり、ネットワーク内のニューロンと接続の総数は膨大になる可能性があります。シナプスと呼ばれる接続は、通常、軸索から樹状突起に形成されますが、樹状突起間シナプス^{[ 3 ]}やその他の接続も可能です。電気信号以外にも、神経伝達物質の拡散から生じる他の形態の信号があります。

神経ネットワークの起源は、単純なニューロンから始まります。神経細胞、すなわちニューロンは、電気信号を化学信号に変換し、そのメカニズムを通して体内の経路を繋ぎ合わせる能力を持つという点で独特です。独自の役割を持つため、ニューロンは独自の形態も備えています。

単一のニューロンは、細胞体、樹状突起、軸索の3つの主要部分から構成されています。細胞体はニューロンの制御センターとして機能し、細胞核やその他の細胞小器官を含んでいます。樹状突起は、細胞体の一方の端から伸びる枝状の突起で、他のニューロンからの信号を受け取ることが主な役割です。これらの信号は求心性信号と呼ばれ、中枢神経系に向かって伝わります。軸索は、細胞体のもう一方の端から伸びる長い尾状の構造で、樹状突起や細胞体から他のニューロンへ活動電位を伝達する役割を担っています（遠心性信号）。軸索終末は軸索の末端で、活動電位（電気信号）によって神経伝達物質、神経調節物質、または神経ホルモン（化学信号）が放出され、隣接するニューロンと通信するシナプスが形成されます。^{[ 4 ]}多数のニューロン間でこのシナプス結合が発生すると、神経ネットワークが形成されます。シナプス結合の形成過程では、シナプス前ニューロンからシナプス後ニューロンへのシナプス伝達が行われます。

ニューロン内での信号伝達は化学物質を介して行われるのは事実ですが、樹状突起から軸索終末までの信号伝達は、膜電位の変化によって起こります。この活動電位は、各ニューロンが帯電した細胞膜（つまり、細胞の外側と内側の電圧に不均衡がある状態）を持つために発生します。この不均衡は、電位依存性イオンチャネルの存在によって生じます。ニューロンの電荷は神経伝達物質やその他の外部刺激によって影響を受け、化学信号を電気信号に変換するプロセスが再び起こります。本質的に、ニューロンが信号を伝達していないときは膜は静止電位を持ち、この静止膜電位はナトリウムカリウムポンプとカリウムリークチャネルによって維持されます。その後、活動電位が発生し、これは電位依存性ナトリウムチャネル、カリウムチャネル、およびナトリウムカリウムポンプによって制御されます。活動電位がニューロンを通過すると、軸索丘と終末部から神経伝達物質やその他の化学伝達物質が放出され、神経ネットワーク内の隣接するニューロンにメッセージが送られます。これにより、別の活動電位が発生する可能性が高くなったり低くなったりして、メッセージの伝達が継続または停止されます。^{[ 5 ]}これは、神経ネットワークが通信に使用する「言語」であり、神経系全体の機能の基礎となっています。

人工ニューラルネットワークは、計算科学、生物学、人工知能の分野で広く用いられているツールです。人工ニューラルネットワークは生物学的ニューラルネットワークをモデルとしており、生物学的ニューラルネットワークの研究に大きく貢献することができます。

生物学的神経ネットワークは単純なシステムではありません。人間の脳は、約 10¹¹ 個のシナプス結合を持つ 10¹⁵ 個のニューロンを通して、数百万個の神経ネットワークを形成しています。これらの神経ネットワークはすべて、基本的な生存、高度な思考処理、記憶形成などの特定の機能に向けて働くように特化しています。^{[ 6 ]}

生物学的ニューラルネットワークは、まずニューロンの機能を数学的に考察することで、数学的にモデル化できます。ニューラルネットワーク内のノードとして知られる単一のニューロンの数学的解釈は、ニューロンが周囲のニューロンから受け取る入力信号に基づいており、総活性化はすべての入力の合計となり、それが周囲の他のニューロン接続とのシナプス結合に統計的に結び付けられます。^{[ 6 ]}ニューロンの出力信号は、その活性化の関数となり、これらの関数がより複雑な方法で重ね合わされると、人工ニューラルネットワークが作成されます。

人工知能、認知モデリング、人工ニューラルネットワークは、生物学的神経系がデータを処理する方法に触発された情報処理パラダイムです。人工知能と認知モデリングは、生物学的ニューラルネットワークのいくつかの特性をシミュレートしようとします。人工ニューラルネットワークは、人工知能が複雑なデータをゆっくりと適応して処理できるようにする機械学習のサブセットとして機能するためです。^{[ 7 ]}人工知能の分野では、人工ニューラルネットワークは、ソフトウェアエージェント（コンピュータゲームやビデオゲーム）や自律型ロボットを構築するために、音声認識、画像解析、適応制御にうまく適用されています。

ニューラルネットワーク理論は、脳と神経系の生物学（生物学的ニューラルネットワーク）に触発された計算モデル（人工ニューラルネットワーク）の研究であり、脳内のニューロンがどのように機能するかをよりよく特定し、非線形変換と最適化に基づく人工知能やより複雑なシステムを作成する取り組みの基礎を提供してきました。^{[ 8 ]}

現代のニューラルネットワークの基礎となる理論的基盤は、アレクサンダー・ベイン^{[ 9 ]}（1873年）とウィリアム・ジェームズ^{[ 10 ]}（1890年）によってそれぞれ独立に提唱された。彼らの研究では、思考と身体活動の両方が脳内のニューロン間の相互作用から生じるとされた。

ベイン^{[ 9 ]}によれば、あらゆる活動は特定のニューロン群の発火につながる。活動が繰り返されると、それらのニューロン間の結合が強化される。彼の理論によれば、この繰り返しが記憶の形成につながる。当時の科学界は、ベイン^{[ 9 ]}の理論が脳内に異常な数の神経結合を必要とするように見えたため、懐疑的であった。現在では、脳は非常に複雑であり、同じ脳の「配線」が複数の問題や入力を処理できることが明らかになっている^{[ 12 ] 。}

ジェームズ^{[ 10 ]}の理論はベイン^{[ 9 ]}の理論と似ていたが、記憶や行動は脳内のニューロン間を流れる電流によって生じると示唆した。彼のモデルは電流の流れに焦点を当てることで、記憶や行動ごとに個別の神経接続を必要としなかった^{[ 13 ] 。}

C.S. シェリントン^{[ 14 ]}（1898年）は、ジェームズの理論を検証する実験を行った。彼はラットの脊髄に電流を流した。しかし、ジェームズが予測したように電流が増加する代わりに、シェリントンは実験を続けるにつれて電流の強さが減少することを発見した。重要なことに、この研究は慣れの概念の発見につながった。

マカロックとピッツ^{[ 15 ]} （1943年）もまた、数学とアルゴリズムに基づいてニューラルネットワークの計算モデルを作成しました。彼らはこのモデルを閾値論理と呼びました。これらの初期のモデルは、ニューラルネットワークの研究が2つの異なるアプローチに分かれる道を開きました。1つのアプローチは脳内の生物学的プロセスに焦点を当て、もう1つのアプローチはニューラルネットワークを人工知能に応用することに焦点を当てました。

1956年、スヴァエティチンは生体内の神経ネットワークの基盤となる神経プロセスの一部を発見した。彼は網膜の二次細胞（水平細胞）の機能を研究し、この最初の処理層において、これらの細胞が拮抗機構によって機能していることを発見した。これは視覚系の第一層の処理を説明するのに役立った。

1980年代半ばの並列分散処理は、コネクショニズムという名称で普及した。RumelhartとMcClellandの著書^{[ 16 ]}（1986年）は、コンピュータでコネクショニズムを用いて神経プロセスをシミュレートする方法を詳細に解説している。

人工知能で使用される人工ニューラルネットワークは、従来、脳内の神経処理の単純化されたモデルとして見なされてきたが、このモデルと脳の生物学的構造との関係については議論があり、人工ニューラルネットワークが脳の機能をどの程度反映しているかは明らかではない。^{[ 17 ]}

人工ニューラルネットワークは、ニューラルネットワーク理論や機械学習、人工知能、現代のデジタルサービスに関するその他の進歩において大きな役割を果たしていますが、生物学研究や神経科学の発展にも活用できます。理論神経科学および計算神経科学は、生物学的神経系の分析と計算モデル化を扱う分野です。神経系は認知プロセスや行動と密接に関連しているため、この分野は認知および行動モデル化と密接に関連しています。

この分野の目的は、生物システムの仕組みを理解するために、生物学的神経系のモデルを作成することです。この理解を得るために、神経科学者は、観察された生物学的プロセス（データ）、神経処理と学習に関する生物学的に妥当なメカニズム（ニューラルネットワークモデル）、そして理論（統計的学習理論と情報理論）を結びつけようと努めています。

近年の生物学的神経科学の発見に関して言えば、初期の研究は主にニューロンの電気的特性に関心が向けられていましたが、近年では、ドーパミン、アセチルコリン、セロトニンなどの神経調節物質が行動や学習に果たす役割の探求が特に重要な研究分野となっています。^{[ 28 ] [ 29 ]}

BCM理論などの生物物理モデルは、シナプス可塑性のメカニズムを理解する上で重要であり、コンピュータ科学と神経科学の両方で応用されてきた。^{[ 30 ]}

• 適応共鳴理論
• 生物サイバネティクス
• 認知アーキテクチャ
• 認知科学
• コネクトミクス
• 培養神経ネットワーク
• 並列制約充足プロセス
• ウッドワイドウェブ