科学をすることが許される理由と科学をする理由，

科学は誰のための物か？

科学をする当事者以外だと，その国で行われている科学は，第1にはその国に住む人達のためです．その人達が楽しんだり，その発展としての技術的恩恵を受けられないなら，科学者が科学を行っていい正当性なんてどこにもない，と思っている．

じゃ，科学を行っていい理由は何かっていうと，もう書いちゃっているけど，2つ．その研究が自然を理解する点での重要か，もしくは，技術的な発展を介した恩恵を人々に与えられるか，という2点だと思う．前者は，自然を理解できれば技術的発展も容易になるし，多くのヒトが大なり小なり持っている自然を理解したいという欲求に対する満足を与えてくれるということ．後者は，それによって生活が豊かになるということ．日本で，科学を行う正当性を主張したときに，たいていの人に理解してもらえる理由はこの2つだと思ってます．

そして，この2つはそのまま，科学者が研究を行う動機の種類だといってもいい．

余談ですけど，患者と接していない工学者がおこなう医療応用を目指した研究って軽薄なのが多い．研究者の動機づけは全然応用じゃないのに，応用を目指した風を装っている．大抵中途半端．．．BMI（Brain Machine Interface）研究の一部とか．．．研究者の動機に寄り添っていない仕事って軽薄に感じる．逆に，治したい患者が目の前にいる医者が行っている応用研究ってとても迫力があります．方法はたいてい愚直で，科学的な問題としても面白くない研究が多いけど，それは重要な研究だと思えるし，それをしている研究者は尊敬できる．科学者としての能力は問うところではないでしょうね．行動が意味をなす研究もあると思ってます．本当は技術者と呼ばれるべき人達．


動機の話に戻りますけど，

僕の場合は，研究をする動機づけは，技術的な応用はなく，自然を理解したいという点のみです．科学的な動機の中でも特に，得られる知識の重要性よりも，問題の性質として面白いかどうかが大事．ヒトの脳という限定された対象を研究していますが，そこに問題の性質としての一般性がなければ，たぶんあまり楽しめないような気がしている．なので，実は興味だけで考えるなら対象としては「ヒトの脳」でなくてもいい．ヒトの脳，特に視覚が研究対象ですが，これまでの知見が膨大にあって実験を統制する技術も知られているので，方法論の点を考えて研究対象を選択をしているだけ．
　
一方で，ヒトという興味の対象は譲れなくて，ヒトの脳のミクロなところにいって，細胞とか分子とか，僕がヒトを感じられなくなってしまう研究は続けられないんだと思う．なんでヒトに興味を持っているかは，自分でもよく分からない．

あー，でも，もっと深く考えると，知りたいってコトが純粋な動機じゃないかもしれない．議論好き，ってところに研究をする動機があるかもしれない．長くなったので，その話しは別の機会に．

300

今日は，2009年の300日目．

ToDoリスト

　
Googleカレンダーを使ってますが，US版の方がサービスの導入が早いから，US版に設定していたと思ったのだけど，いつの間にか日本語に設定を変えて使い続けてた．で，なんだかの都合で使用言語をUSにした時，「Tasks」と連携していることに気付いた． これが便利．

些細な事はすぐにやってしまうのがイイとか思っていると，些細な事で1日が終わったりするので，些細な事でも3日後まで必要のないことは3日後にやるようにしてます．些細な事をTasksに「些細な事○月×日」と書いていたのだけど，いまいち直感的じゃなくて，気持ち悪い．．．ワンクリックすれば，期限も設定できるのだけど，何だか面倒で．．．

Googleカレンダーからだと，予定を入れるのと同じように，期限があるTaskを入力できて，ラクでした．カレンダーにTaskも表示されるので，忘れない．終わったらチェックマークを付けられるのも，気分がイイ．インターフェースのホントにちょっとの差なのですけどね．イイ．

cf．Googleカレンダーにタスク管理機能

##

あと，一連の作業をしようと思う時には，ある程度細かく作業手順をリスト化してますが，それにTasksを使ってます．

で，その効用は，

1. これからやることが明確になる．
2. 必要の無い作業に気づくこともある．
3. 作業を途中で中断する時も，行ったトコまでチェックしとけば，再開がスムーズ．
4. 短時間で完了するサブゴールがあるので，作業を始める気になる．
   
5. Todoリストを作ること自体が作業をはじめるきっかけになる．

僕にとっては，特に4，5が大きい．切換えが遅いんで．．．できるだけ作業に入るところでの閾値を小さくするように努力．ToDoリストを作ことがウォーミングアップになってます．

日常的な理解の仕方

今年に入ってから，fMRI研究でクラス分類を用いたデコーディングが，かなり増えています．みんなでSVM（Support Vector Machine）という感じ．ただ見ていると，やはりクラス分類だけだと脳の情報表現には迫れないのだろうという印象．

ところで，以前に，昨年くらいかな，再構成によるデコーディングなら，これまでの解析方法よりも優れた方法になるんじゃなかろうかというニュアンスで書いたことがあった気がします．ただ，今はさすがに興奮も少し冷めて，以前に書いたほどには思っていないのですが．で，いろいろと再構成について考え直してみて，それでも再構成がイイと思う点の1つ．

脳活動の情報に何が表現されているか，僕たちがその全体像を理解しやすい．ということ．

例えば，定量的な評価指標である相関係数が0.6と言われても，実はそれだけでは何が表現されているかは理解できない．何との相関をとったのか確認しなければわからないし，情報の一部が表現されているだけですよね．適当な1次元の数値で表現されると2つ以上の解析結果を比較する際には分かりやすいですが，情報の全体を認識するのには適切ではないような気がします．

それに比較すると，例えば脳活動が視覚情報を表現しているならば，脳活動を画像に再構成してくれたら，あぁこういう情報ね，と直感的に情報自体の「全体が」理解できる（ような気がします）．視覚的情報は画像や映像にして視覚的に理解する，聴覚情報なら音にして聴覚的に理解する，のはヒトにとって日常的な理解の様式なので，情報の（漠然と）全体を理解するには良い方法なのではないかなぁ．

ということで，再構成が有効なのは，1次元の指標では理解しにくい場合で，画像とかある程度の高次元情報を扱うときかなぁとは思っている．

自然を理解するために，棒グラフなり，折れ線グラフなり，相関図なり，いろいろな理解の様式があるわけですけど，fMRI研究において脳の情報を画像や音に再構成ししてみるのは，その1つですかね．

コラボ

 　

　

理論をたてる人がいて，実験を考える人がいて，実験をする人がいて，解析する人がいて，．．．とたくさんの共同研究者がいて，それぞれ作業分担をして，NatureやScienceに論文が出たとして，この研究をちゃんと理解しているのは誰なんでしょう？

＃＃

理論をたてた人は，どうやって検証したか分からなかったりして．

実験をした人は，何の理論を検証したのか分からなかったりして．

解析した人は，何を解析したのか分からなかったりして．

実験を考えた人は，．．．全体を把握したことになるのかな．

実験を考える人は，理論（仮説）を理解して，理論を具体的な実験（作業仮説とか）に落とし込む必要があるし，計測方法を知らなければ実験は立てられないから，どの様なデータが出てくるかも理解している．解析は実験設計と表裏一体だから，もちろん解析は理解している（基本的に，解析方法が決まらなければ実験設計できないし，逆もそうですよね）．

それとも，良い読者が一番その研究を分かった事になるのかな．

＃＃

話は戻りますけど，

もし，研究をした当事者は誰も全体を分かっていないのに，論文だけが出ているとして，それこそ科学ってすごいなと思う．だ〜れも科学のエッジ（先端）に辿り着いていないのに，誰もがそこからの景色を見られちゃうという．

でも，やっている自分が理解してない研究なんて，イヤだけどね．だって，正直なところ，科学に貢献したくて研究をしているのではなくて，自分が知りたくて研究してるんだから．科学への貢献は，飯の食い上げにならない程度にがんばります（←今はまだ，これに必死w あー，笑い事じゃない．．）．

上記，ヨーロッパでは，「分からないことがあれば，分かる人とコラボレーション（共同研究）して，作業分担して研究を完成させる．」という話しを聞いて思ったこと．

文書を書く道具

Scrivener

文書を書くソフトウェアは遍歴を重ねていますが，これはある程度の長さの文章を書くのに便利でした．Macのソフトウェアです．


30日間のトライアル版で使っていましたが，よく使うようになったので，最近1つ書き終えたのを機に購入．トライアル期間で3本くらいのまとまった文書を書きました．4月頃に初めて使ったのですが，お試しの「30日間」が起動している日数なので，最近まで使えたんですよね．実質的には半年使えた．

僕が便利だったのは，

階層性の表示

ある単位でテキストを作って，それを階層にできるので，構成を俯瞰するのに便利でした．上の画像の左側が階層表示になってます．さらに，Synopsis（概要），Keywordsを文書とは別途に記載できたり．

参考資料の取り込み

PDF（その他，画像なども）を取り込めるので，参考にする資料を取り込んでおけるのが，便利でした．Scrivenerのファイルを1つ開けば，エディタも参考資料も両方開けますからね．いちいち参考資料を別途探さなくてもイイのが，ひと手間楽で，心理的にはふた手間以上に楽．取り込んだ参考資料はScrivener上でも見られますし，他のPDF ビューワーから開いても見られます．

文字数，単語数の指定

右下に3重丸の記号があって，それをクリックすると，文字数を設定できる．設定すると，バーグラフも出てきて，直感的に残りどれくらいかが分かった．もちろん現在の文字数，単語数が数字としても出てきます．

僕はあまり使わなかったけど，コルクボード表示にすると，テキスト毎にIndex Cardとして表示できるので，見ためが楽しい．Label（例えば，章，節とか）やStatus（draftだとか，editionだとか）をテキスト毎に設定できるので，それも便利そうです．

その他の便利な機能は，全画面モード，2分割表示（水平，垂直），スナップショット，アウトラインモード，Scratch padなどなど．

多少の面倒はあるけれど，LaTeXのエディタと併用すれば数式が出てきても何とかなるかなぁ．

という感じでした．

計算理論の水準

　
てんぱっている．だども気分転換をしたかったので，投稿．

下記，とあるところに提出した文書の一部．前回デビッド・マーの3つの水準について書いたのですけど，その1つ目の水準である「計算理論」についての僕の理解です．書けば（たぶん）当たり前ですけど，現状に対する認識はいちいち確認しておいたら，その後のコミュニケーションのたたき台にいいのかなと思って書きました．

「現状では，異なる実験課題によって解明されたとされる各領域の機能について，再度，複数の領域を対象に同一の実験課題でやり直し，一貫した説明を行うという研究が成立してしまう．これは，極端に言えば実験課題が異なれば，議論ができないという状況である．この問題は，脳の認知行動の研究において，単に条件間の脳活動にある差をもって機能を定義する場合が圧倒的に多いからである．機能定義を作業仮説に任せてしまっているので，他の研究とつなげることが難しくなっている．作業仮説だけではない機能定義の表現を探す必要がある．

（途中略）
　
　2つ目に，定式化は表現・アルゴリズムの水準だけでなく，計算理論の水準についての定式化も必要である．計算論的神経科学を標榜した研究の多くは，表現・アルゴリズムの水準に関して，つまりヒトの行動や脳活動について定式化することを主目的としているように感じる．しかし，本来は加えて，行う実験の計算理論，つまり脳を取り巻く環境の最適性などを考えて定式化することが計算論的神経科学の仕事だと理解している．脳を理解するためには，脳という対象から目を離し，その周辺である環境に目を向けて考えることが重要である．計算理論を正確に表現することで，その研究の一般性と特殊性が明確になり，他の研究との関連性を議論しやすくなる．」

もちろん，いくら定式化したところで実際の実験刺激などを生成する段階では飛躍が生じるし．．．でも，がんばりたいところです．
　
　

理解するための3つの水準

　
デビッド・マーの書いたビジョンの邦訳本，

表紙（折り返したところ）には，

「David Marrの理論的格率の妥当性がかつて疑われていたことを神経科学者が理解できなくなったとき、彼のライフワークの真価がはじめて認められるであろう。-Science」

と書かれている．

なんというか，いまだに，
疑う対象にすらしてもらえてないのではないか，
とふと思うときがある．

脳神経科学者で読んでいない人がいたら，
序論と第1章は必ず読んでほしいと思う．
時間があればついでに第7章も．
　
何を理解したら脳を理解したことになるのか，
を考えることも僕のテーマの1つです．
自分が生きている間にできる研究だけを考えれば，
そんなことお構いなしに
やることはたくさんあるけどさ．．ねぇ．


10月です．