Can Not Even Criticize

こないだ機能を物質に還元する方法は流行らないでほしいと書いたんですけど，先週の某有名雑誌に，領野間の結合性（connectivity）を使った指標で，年齢を予測するという論文がありました．結合性を指標にするなら，皮質の構造よりは機能との因果関係に迫れそうじゃない!? と肯定的な気分で読み始めたんですけど，結果の解釈が．．．

主の結果はSVR（Support Vector Regression, Support Vector machine for Regression）を使って，回帰問題を解いていて，さらには複数のモデルからAICを使ってモデル選択までしていて，ここまで行った手続きは無難そうに思える論文でした．

ただ，そのあとに，SVRの重み（を使った指標!?）を視覚化した図があって（この論文で目が惹かれるのはコチラの図だったりする），この論文の場合，重みを球の大きさに対応させて，脳の図の上に重ね書きされてる．あたかも，球の大きな領野が重要であるかのように．．．

（？△？）

確かに，SVMでもSVRでも識別境界や回帰関数を決めるのにサポートベクター（重みのかかっているROI）は効いてきます．その点では，重要なROIですけれど．

ただ，そのROIの脳活動は，情報を表現する特徴を有しているかという点では，重要ではないのでは ? 逆に重みがゼロになっているROIの方が，情報を表現していたりするのではなかろうか．診断の時に，大きな球で表されている領野を見て判断すればいいと言っているようでもあり，まちがっていないか？

あと非線形なカーネルなんか使ってたら，射影された判別のための特徴空間がどんな空間だかは，実際的には，全く解釈できないだろうと思う．

一時期流行ったSVMを使ったfMRIのDecoding研究でも，「識別に有用だったボクセルの値に情報表現があることを言えない」ということはみんなが気がついていて，巧妙に情報表現とは論点をずらしていました（それでも，情報表現について何かしら言えるんじゃないかというのが，期待でした．その期待はまだ消えていないと思いますが）．今回は，「識別に有用だったボクセルの値に情報表現がある」と言っているのですよね．まずいんじゃないかな．

とはいえ，本文にもSupplementにも，図が何を計算した結果なのか明示的に書いてないので，何をしたのかよくわかりません．ということで，断定的に間違いとも言えないので，論文名は出さない．

神経科学の論文は，解析を再現できない論文が多い．数式も併せて説明を書いておいてほしい．Supplementでいいから．ただでさえ怪しいfMRI研究が，ますます相手にされなくなってしまうのでは．

いつぞや，機械学習な人たちに自分の先行研究として，ある論文を紹介したときに，とある解析の説明に数式がなくて，「それは書いてなかったんですよ」と言ったら，「それは書いてあるだろう．そんな論文が査読に来たら，リジェクトとするぞ」と言われて，おれがちゃんと読んでないみたいな雰囲気になっちゃって，．．．．．．orz

Not Even Wrong, by Pauli.

解析方法とか

「[統計]AICとDICに関する非常にアヤしい自作メモ（その４）」Take a Risk: 林岳彦の研究メモ　に（この記事の主となる話題ではないんですけど），

ただ私は一介の統計ユーザーに過ぎないので、原理的なことはさておき実務に耐えうれば何でもよいというのが正直なところであります*10。
（中略）
*10：ただ「実務に耐えうるかどうか（の範囲の限定）」が原理的な部分にも関わる問題だったりするのが厄介なところであります

と書かれていたのに対して，

「実務の人が原理を考えずして誰が考えるのでしょうか？  統計の理論家というのは数学的に細かいことが好きで、 どうも原理を考えるのに向いていないように思います． あと、しばしば統計手法の問題は「生態学とはどういう科学か」 「科学であるというのはどういうことか」というところまで遡るので、 そうなると応用数学のレベルでは答えようが無いかも．」

というコメントがあり，慧眼だなと思った次第．

海外の会議に出てポスター発表などを聞いていると，ヨーロッパでは研究の分業化は進んでいるようで，学生だかポスドクらしきヒトのポスターでは，「解析をしたのは他の人だから，俺，知らんもんね♪」と悪びれずに言うヒトが結構いて（逆パターン「あたし，計測とか実験の事は知らんもんね♭」というのもある），カルチャーショックをうける（このエピソードは前にも書いたような，まぁいいっか）．

現象を表現するモデル（生成モデル）として数理を使わなくても，定量的な実験では何らかの数理的な解析（判別モデル）が必要なわけで，どんな解析方法を使うかは研究者の現象に対する認識（生成モデル）を反映するものですよね．

【論文】交わる知性，ベイズ最適で．

Bahrami et al. Optimally interacting minds. Science (2010) vol. 329 (5995) pp. 1081-5

論理と実験とデータに?? がつくので，ちゃんとは紹介しないですけど，テーマとしてはおもしろかったので，簡単に紹介．

物事は複数人で相談して決めた方が良い結果になる場合があるのか？ を調べた研究．

で，結果は，

2人で相談した結果というのが，個々人の判断をベイズ的に統合した結果になるという．場合によっては，相談して決めた方が良い結果になる．

ヒトにとって検出が簡単ではない視覚刺激をもちいた2択課題で，どちらが正解かを決断してもらうんだけど，個別に決断してもらうと，当然，正解率の高いヒトと低いヒトが1人づつ出てくるわけです（同じ正解率という事もあります）．で，この論文のモデルが正しければ，2人で相談して決めた結果が，正解率が高いヒトよりも高くなる場合がある．おおざっぱに言って，能力の低いヒトが高いヒトの半分以上であれば，相談して決断する価値がある．2人の能力に差がありすぎると，相談しても良い結果にはならないけど．

組織で，能力の低いヒトが高いヒトの半分くらいのところになるように階層を区切って，意志決定のグループをつくったら良いのかしらとか思ったり．

ベイズでヒトの行動を説明した論文としては，Körding & Wolpert 2004, Nature の論文が，論理もデータも完璧という感じなんで※1※2，今回の論文はどうにも見劣りします．ただ，素朴な疑問になんとか取り組んだってのは，好きでした．


※1：
Körding & Wolpert 2004は，全てが完ぺきという印象の論文なんですけど，よく調べて実験条件の図などをみると，文章で読むより随分と特殊な運動をさせている印象．すごい狭い範囲でちょこちょこと腕を動かす課題なんで，そこにちょっとがっかりしますけど．

※2：
正確には，タイトルにBayesian integrationとあるものの「ベイズ的に情報が統合されている」とは言えなくて，単に「情報が統合されている」と言っている論文です（他にカルマンフィルターで説明した論文があって，併せて考えればモデル選択していなくてもベイズかなとは思わせるのですが）．今回紹介したBahrami et.al.,2010の方は，他3つのモデルの比較をしていて（この比較の仕方がイマイチなんだよなぁ），ベイズ的に統合されていると主張しているので，Körding & Wolpert 2004と比較して難しい事を主張しようとはしている．まぁ，今回の場合，情報が統合されている（相談した方が良い）というだけでは新規性ないですからね．

いまさら機能を物質に還元して説明する方法は流行らないでくれと願う．

今週のサイエンスに掲載されている論文とか（いや，もう先週ということになるけど）．

最近，脳領野の厚みだの大きさだの脳の構造と特定の機能が相関している事を調べる研究が多い．頼むから，そんな研究が多勢にならんでくれと願うばかり．

機能は物質（ハードウェア）に依存するから，もちろん機能を調べるとっかかりとしては重要．でも，とっかかりとしての役割だけで十分じゃない!? fMRIでは領野での機能局在を調べる研究がだいぶ収束しつつあるように思えるし，「近代骨相学」と呼ぶ人までいるご時世に，またそこに戻りますか．．．という感じorz

機能局在をやるにしても，構造を根拠に説明するんじゃなくて，もうちっとがんばって，せめて脳活動を機能局在の根拠にしようよ，とか思うわけです．DCM（Dynamic Causal Modeling）やGranger causalityとかネットワークを解析する方法も整備されつつあるし，そっちでもうちょいがんばろうよ，とか思ってしまうわけです．

Diffusion Tensor Imagingの形態学的な情報を元に，領野間のネットワークを解析するとか，形態学は機能を知るためにいろいろと有用だと思うんですけど，機能を知るのに領野の厚みだの大きさを調べる意義って何かわからない（臨床とかでは簡単で適当な指標になるんでしょうけどね，基礎研究の人がそれやって意味あるのか!?）．

機能までの因果関係が遠すぎると，なんというか，「風が吹けば桶屋が儲かる」的相関にならないかなぁ．

こういった構造の解析，Voxel based morphometry (VBM)と言われて，お手軽にできるようになりましたし，流行りそうな気がするのが，なんともイヤ．やれることなくなった人たちがこちらに流れていきそうな気がしてならないのが，イヤ．批判するなら論文読まなくちゃとか思って，まじめに読んで結局がっかりするのもイヤ．

臨床，意志決定，わからない

先週末は，神経心理学会が行われて，会場の手伝いをやらされたこともあって，まじめに講演を聴いていた．発表者のほとんどは医者やリハビリ関係の人．自分がこの分野の当事者でないと思えば，いろんな症例が紹介されていて，単純におもしろかった．

診断方法の話しも興味深かった．労災や保険のために診断する時には，病状に応じて等級判定をするのだけど，精神疾患だとなかなか証拠を集めづらいと．行動的には問題あるけど，脳には損傷がなかったり．病気だと偽る人もいるし，故意でなくても，（補償金とかを）もらえるものはもらいたいという心理が無意識に働いて，症状として出る事もあるらしい．そんな中で，どのように診断するか．

限られた時間と情報の中で意志決定する方法がおもしろかった．こういう臨床での意志決定に比較したら，基礎科学なんて意志決定しないと言っていいですからね．確定的な証拠が見つかるまで，「わからない」という態度でいられる．

臨床だと「わからない」ではすまないですよね．それは，手続きを進めなければいけないというのもあるし，多くの人にとっては「わからない」という状態は，とても不安で早く脱したい状態なんだと思います．

僕にとって，「わからない」というのは上に凸の関数のてっぺん（不安定な平衡点）でバランスとっている感じ．不安定とはいえ平衡点なんで，バランスの取り方さえ覚えれば，そんなに居心地もわるくないという感じ．多くの人がテキトーな理由をみつけて安定な平衡点に行きたがるところを，証拠がでてくるまで予断なくバランスできるのも科学者の資質かなと思ったり．

参加者の資格

組織に属するならアドミッション・ポリシー（組織の理念とか，構成員に要請される資格とか役割とか）を守らなぁ．できないなら退場しなぁ，あかんやろ．．．大学には，金を払って組織に属している学生という立場の人が多くいて，時にして，お客様扱いだったり，お客様態度だったりするけど．．．

　＃＃

一方で，

組織を運営する時の原則（アドミッション・ポリシー）があったとしても，個別の事象は全て例外として個別に対応するのも良いと思ってる．特に小さい組織なら，全てを例外として扱っても制御できたりするから．

ただ，全てが例外ならば原則はいらないかと言えば，そうではないでしょ!? 例外として扱っても制御できなければ，最終的には原則に照らし合わせて，立場にある人が原則を守れない人に対して粛々と退場を促さないとあかん．

退場を促す立場がみんなに与えられているのか，特定の人だけなのか．たいていの組織は特定の人にだけ与えられているから，特定の人がやらないかんのでしょうね．きちんと意志決定しないと，．．．．．． ．．．

組織が死んじゃう．

原則のない，もしくは原則を遂行できない方が多いなぁ．

予測か推定か．

久々に研究に関連した話しを．

予測｜Prediction と 推定｜Estimation，つい最近まで僕の中で言葉の使い方は随分曖昧でした．どう使い分けますか？

【予測】

将来の出来事や状態を前もっておしはかること。また、その内容。科学的根拠が重んじられる。
「 大辞林」

将来どうなるかを得られた情報などに基づいておしはかること。また、そのようにして得たもの。「予想」は将来を推測する意で広く使い、「予測」は具体的なデータなどに基づく意で使うことが多い。
「明鏡国語辞典」

【推定】

①周囲の状況や情報に基づいて、おしはかって決めること。推測決定すること。また、そのようにして得たもの。 ②法律で、明瞭でない法律関係または事実関係について、否定する反証が成り立つまで、それを正当なものとして扱うこと。
「 明鏡国語辞典」

(1)はっきりとはわからないことをいろいろな根拠をもとに、あれこれ考えて決めること。 (2)〔法〕 明瞭でない法律関係・事実関係について一応の判断を下すこと。 (3)〔数〕 統計で、ある母集団から取り出された標本をもとにその母集団の平均・分散などを算出すること。 (4)文法で、何らかの根拠をもとにあれこれ考えて断定する意を表す言い方。口語では助動詞「らしい」、文語では助動詞「らし」を付けて言い表す。
「大辞林」

「予測」に関しては，未来の事に対して使うという感じは持っていましたが，一方で，「推定」は，静的な事に対して使うというような感じは持っていました．例えば，「状態」に対して使うとか．ただ，推定と使うところを予測としても良いような気はしていた．

脳の情報表現と行動の2つの「予測（推定）」が登場する場合に，どちらか片方だけを使うと文章を読んでいてわかりにくくて，使い分けたかった．それで，自分の研究を説明する時には，感覚的に，行動については「予測」，脳活動で表現されている事に対しては「推定」と，使っていました．そんな話しをしたら，観察可能な事に対して「予測」と使い，観察不可な事に対しては「推定」と使うという議論をしたことがあったと教えてもらい，あぁー，なるほどと．僕にとっても，腑に落ちる説明でした（僕の感覚的な使い方も，偶然，それと同様の使い方にはなっていたのですが）．

この説明で使い分けると，ヒトや動物の行動については「予測」，その時の脳活動の情報表現については「推定」となる．ただ，脳活動とは言っても，神経活動の発火率やBOLD信号は，観察可能なので，「予測」を使うのが良いのでしょう．fMRIのデコーディング研究で言うと，Tong et al., 2008 はBOLD信号を「予測」することが研究の主であったし，Miyawaki, Uchida et al., 2008 は情報表現を「推定」することが研究の主だったという違いがありますね．

僕は，脳活動の「予測」にはほとんど興味がなくて，脳の情報表現の「推定」に興味がある． 特に，認知行動レベルの情報表現について興味がある．ちなみに，脳の情報表現の「推定」に関しては，どこまでいっても「推定」しかできないというのが，認知行動レベルにおける脳科学の難しさでもあるんでしょう．「推定」だけだと，その性能を評価できませんから．書いた勢いで，ちょっと皮肉を言えば，「脳活動を計測すれば，それまでの心理学では分からなかった事がわかりそう」と思っている無垢な方々などには，その辺の誤解があるのかな，と思ったり，思わなかったり．