人の手を借りずに自分で学習の仕組みを作るAIを開発、脳の解明へ一歩　米MIT

米マサチューセッツ工科大学（MIT）のマクガヴァン脳研究所などの研究チームは、外部の設計者による細かな調整を受けることなく、自律的に学習の仕組みを構築する人工神経回路（人工ニューラルネットワーク）を開発した。研究成果は2026年10月9日付で米科学アカデミー紀要（PNAS）に掲載された。

現在のAIは画像認識や言語処理で高い性能を発揮しているが、その多くは人間の手によって細部まで設計されている。一方、人間の脳には外部の設計者が存在せず、自ら構造を組織化して学習を進める。研究チームは、AIが脳の学習メカニズムを解明するモデルとして生物学的な妥当性を持つためには、外部からの誘導なしに自律的に組織化する能力が不可欠であると指摘する。

開発されたネットワークは、ランダムに接続された複数の層で構成されている。各層の神経ユニットには、「同時に活動したユニット同士の結合を強める」という、動物の脳回路で見られるような単純な規則が適用された。この規則に従って相互作用させることで、機能的な回路の基礎となる構造が自発的に現れ、パターン認識や画像の分類を学習することに成功した。

この学習過程では、現代のAIで広く使われる「勾配降下法」に類似した最適化戦略が自律的に用いられていた。従来のAIは誤差逆伝播（バックプロパゲーション）と呼ばれる手法でこの最適化を実現しているが、脳内では同じ手法は使われていないと考えられている。研究チームが開発した自己組織化ネットワークを従来手法のモデルと比較したところ、同等の水準で課題を処理できることが確認された。

研究チームのPoggio氏は、今回提案された構造が脳内で誤差逆伝播と同じ役割を果たしているとすれば、機械と脳の根本的なメカニズムに強いつながりを見いだすことができると述べる。また、Liao氏は、神経細胞同士の相互作用の規則を理解することが、病気や加齢による障害の解明や、麻痺患者が義肢を操作するブレイン・コンピュータ・インターフェースなどの医療技術開発に欠かせないと説明する。脳の理解を深めることは、将来的により高性能で人間に近いAIシステムの開発にも貢献すると期待されている。