【ITニュース解説】I Gave a Fruit Fly Connectome a Body—and Let It Learn in the Browser

ショウジョウバエの脳の「配線図」、すなわちコネクトームは、神経細胞とそのつながりを詳細に示した地図のようなものだ。しかし、この静的な地図だけでは、実際のショウジョウバエがどのようにして動き、環境に適応するのか、具体的な行動までは分からない。光を見て障害物を避けたり、羽を使って飛んだり、休んだりする一連の行動は、脳の配線図がどのように「機能」しているかを示すものだ。

ここで登場するのが「FlyLab」という画期的なブラウザ実験だ。FlyLabは、このショウジョウバエのコネクトームデータに「体」を与え、仮想の環境で「学習」させ、その動きをブラウザ上で観察できるようにするプロジェクトだ。キッチンで目覚めたハエが、空腹や寒さを感じ、食べ物、暖かさ、光、休息、探索といった複数の欲求の中からどれを優先するか脳が判断し、足や羽を動かして行動する様子を、すべてブラウザでリアルタイムに確認できる。

FlyLabの最も重要な目的は、静的なコネクトームという「地図」を、実際にテスト可能な「ループ」に変えることにある。このループは「脳 → 体 → 環境 → センサー → 脳」という流れで構成される。脳が体に指令を出し、体が環境と相互作用し、その結果をセンサー（複眼など）が感知して脳にフィードバックするというサイクルだ。このループ全体を観察し、途中で介入し、その変化を測定できるため、FlyLabは教育、実験、デバッグ、さらには神経科学に着想を得たロボット制御技術の開発など、幅広い分野で役立つ。

例えば、システムエンジニアが神経シミュレーションを構築していると想像してみよう。ハエは画面上で動いているが、その動きが本当にハエの神経状態から来ているのか、それともプログラムに隠された別の操縦ルールによるものなのか、確信が持てないことがある。FlyLabでは、この疑問を直接解決できる。ハエの脳から足や羽へ送られる神経信号（運動出力）を意図的に停止させてみればよい。もし羽を動かす神経信号を止めると、羽が実際に推力を生み出さなくなり、体が飛び立たなくなることが確認できれば、その動きが脳の神経活動に起因していることを因果関係として証明できる。これは単に見た目が動く3Dモデルを作るだけではなく、脳と行動の間の具体的な関係性を検証する強力なツールとなる。視覚をなくすとハエの移動経路が変わるか、体に与えられるフィードバックが障害物回避に役立つか、羽が動かなくても歩けるか、目標が「休息」に変わると着陸できるかなど、様々な疑問をこの方法でテストできる。

また、システムエンジニアを目指す学生にとって、膨大な配線図がどのようにして複雑な行動になるのかを理解するのは難しい問題だ。FlyLabは、その答えを視覚的に提供する。FlyLabで使われるショウジョウバエのコネクトームデータは、約14万個の神経細胞と330万個以上の神経結合から構成されており、これらをただのデータとして見ても全体像を把握するのは困難だ。しかしFlyLabの画面では、ハエの複眼が見ている風景、活発な神経活動、内部の欲求、羽の出力、足の動き、現在の目標、物理的な移動、そしてキッチン内の軌跡がすべて同時に表示される。学生は、例えば光が複眼の光受容体の活動を変化させ、それが脳内の特定の目標を司る神経集団を活性化させ、その結果として体が動き出すという一連の流れを、見て学ぶことができる。

さらに、このプロジェクトは「意思決定（何をするか決めること）」と「行動の実行（それを成功させること）」が異なる問題であるという重要な教訓も教えてくれる。ハエが食べ物を選んだとしても、物理的にキッチンカウンターに阻まれていれば、すぐに食べ物に到達することはできない。脳の目標は食べ物に向かっていても、物理的な接触フィードバックがハエに方向転換や障害物を乗り越える行動を促す様子を観察できるのだ。

実験を行う研究者にとっては、複数のモデルを比較し、最も効果的なものを選び出すことが重要だ。FlyLabには「Train」ボタンがあり、これを押すと、オリジナルのハエが共有キッチンにいる間、別の実験用ハエが制御された訓練環境に入り、様々なタスクでその能力をテストできる。食物探索、暖かさや光を求める行動、障害物回避、欲求に基づいた選択、特定の色の識別、さらには神経伝達物質に関する仮説の検証といった幅広い訓練が可能だ。各ブラウザは再現可能な乱数シードを受け取るため、複数のユーザーがそれぞれ異なるモデルの候補をテストし、その結果を共有アーカイブに集約できる。FlyLabの評価基準は単に報酬スコアが高いかどうかだけでなく、特定のタスクを実際に完了できるかどうかに重点を置いている。例えば、同じ明るさの偽物ではなく、目的の食物に正確に到達するといった具体的な行動の達成を求める。これにより、単に数字が良いだけのモデルではなく、実際にタスクをこなせる堅牢なモデルが選ばれる仕組みになっている。

FlyLabは、これらの複雑な処理をすべてブラウザ内で実現している。各ユーザーのブラウザは、専用のWeb Workerという機能を使って、独自の神経モデルをローカルで計算する。これにより、外部のAIサービスや高価なAPIに依存することなく、高速な神経計算が可能になっている。キッチンや脳の活動の描写にはWebGLという技術が使われており、これによって滑らかな3Dグラフィックが実現されている。また、複数のユーザーが同じ仮想キッチンに入ると、それぞれのハエがお互いの位置、姿勢、足の動き、羽ばたきの状態を認識し、複眼モデルを通して視覚的に認識し合うことができる。家具によって奥にいるハエが遮蔽されるといった現実的な要素も再現されている。この仕組みは、個々のハエの実験だけでなく、複数のハエがお互いに影響し合うようなマルチエージェント実験への簡単な道筋を開くものだ。将来的には、ハエ同士が追いかけたり、避けたり、限られた食べ物を競い合ったり、さらには信号を介してコミュニケーションを取ったりするような社会的なタスクをシミュレートできるようになる可能性も秘めている。

FlyLabが現在利用できる主な用途は多岐にわたる。特定の神経経路を無効化してどの行動が消えるかを測定する「因果関係のテスト」、固定された条件で複数のモデル候補を評価する「モデル比較」、複数のブラウザを使って異なる仮説を同時に検証する「分散実験」、感覚入力から神経活動、そして運動へと繋がる一連の過程を視覚的に示す「教育」、目標選択、運動出力、物理法則、フィードバックといったシミュレーションの各要素を分離して問題点を特定する「シミュレーションデバッグ」、そして欲求間の競合や移動モードの切り替えを研究する「神経に着想を得たロボティクス」などだ。FlyLabでは、神経ダイナミクス、感覚情報の変換、運動の読み出し、身体の物理法則、追加された意思決定回路といったモデルの各層が明確に分かれており、それぞれを検査したり、交換したりできる。この「追跡可能性」こそが、単に見た目が面白いハエのシミュレーションを、強力な実験ツールへと変えているのだ。

今後の展望としては、一つの神経グラフと二つのグラフの性能比較、より多くの独立した実験の実行、受容体モデルや神経調節物質モデルのさらなる改善、より洗練された足や関節のメカニクス（動きの仕組み）の追加、そして複数のハエのための社会的なタスクの設計などが挙げられている。最終的な目標は、すべてのハエの行動をより簡単に説明し、その仮説に異議を唱え、そして再現できるようにすることだ。このプロジェクトは、私たちに「もしハエの視覚、欲求、シナプスの仮説、あるいは運動出力に介入できるとしたら、どんな実験をしてみたいか？」「その行動がコネクトーム由来であり、周辺モデル由来ではないことを証明するために、どんな結果があれば納得できるか？」という問いを投げかけている。