　国際電気通信基礎技術研究所（ATR）は2016年6月14日、ブラウン大学と共同で、脳イメージング法と人工知能（スパース機械学習）技術を組み合わせた技術を開発し、視覚の訓練に伴う脳の変化について、新たな発見をしたと発表した。成果は同月13日に、英神経科学誌「Cerebral Cortex」オンライン版に掲載された。

　長期の訓練による視覚能力の向上と、それに伴って起こる脳の変化は、知覚学習と呼ばれている。知覚学習のメカニズムについては、主に、視覚刺激への感度向上に対応して脳内変化が起こるとする感度向上説と、視覚課題の習熟に対応して脳内変化が起こるとする課題習熟説について、議論されてきた。

　同研究グループは、2つの説の特徴を併せ持つハイブリッドモデルを提案。脳イメージング法と人工知能技術を組み合わせたアプローチによって、このモデルの妥当性を実証した。知覚学習がこのモデルに従って起こるとしたら、脳内に視覚刺激による感度向上に対応する領域と、課題の習熟に対応する領域が見られることになる。

　これらの脳領域を同定するため、まず視覚の運動刺激を検出する課題を出し、その訓練の前と後に、被験者の脳活動をfMRI（機能的磁気共鳴画像法）によって測定した。そして、人工知能（スパース機械学習）技術によって脳活動パターンを解析した。さらに、従来の脳活動の空間パターンを調べる解析技術を拡張し、時間パターンも考慮した、両方を効率的に分析可能な技術も開発した。

　解析の結果、V3Aと呼ばれる、視覚運動刺激に特に強く反応する視覚領域で、視覚の感度向上に対応する脳活動パターン変化が見られた。また、V1と呼ばれる比較的低次の視覚領域と、頭頂間溝と呼ばれる高次認知過程に関係する領域において、課題習熟に対応する脳活動パターン変化が見られた。

　つまり、知覚学習の結果、脳の異なる領域にそれぞれ異なる種類の脳活動パターン変化が起こったことが分かった。このことから、今回用いた視覚課題に関して、視覚運動刺激に対する感度を向上させるにはV3Aの機能を高める訓練が、課題の習熟には頭頂間溝やV1の機能を高める訓練がそれぞれ必要であることが分かる。

　今回の研究で妥当性が実証されたハイブリッドモデルは、知覚学習研究分野におけるこれまでの知見を統合的に説明することができ、これまで2つの説の対立によって停滞していた同分野の進展に貢献する。また、同研究の成果は、記憶や運動学習などさまざまな学習メカニズムの解明や、視覚能力低下を防止するための訓練方法開発などに役立つことが期待されるとしている。