ラベル 科学 の投稿を表示しています。 すべての投稿を表示
ラベル 科学 の投稿を表示しています。 すべての投稿を表示

2011年12月30日金曜日

知覚学習は,視覚刺激の提示なしでも,fMRI 脳活動をデコードし,ニューロフィードバックすることで引起こされる. Shibata et al. 2011

 

NewImage

今回紹介する論文のような,新しい方法をとりいれると研究が進展していくのだと思います.ひとくちに科学と言っても,分野によっていろいろな科学のあり方があって良いと思うのですが,採用する方法がその分野の科学を特徴づけるのは間違いないです ※1.

ということで,この科学の住人なので,自分の考え整理してみる.

Shibata et al. 2011.
Perceptual Learning Incepted by Decoded fMRI Neurofeedback Without Stimulus Presentation.
Scienc 334 (6061):1413–1415.


この研究の主な論点は下記の2つです.

1.fMRI ニューロフィードバック による因果性
2.傾きの知覚学習は,V1/V2が関与している

まず1つ目の因果性について

自然現象の因果性にせまろうとする場合,対象に介入する必要があります.脳の研究ならば,まさしく脳の活動に介入する必要があります.例えば,動物実験などで神経細胞に電気刺激をして脳活動を起こすような方法です.


少し脱線しますが,脳で難しいのはいたるところで結合があることです。一部の領野を刺激したつもりでも方法によっては、他の領野も刺激されていたり,情報が伝達されている場合があります。例えば,O'Doherty, et.al., 2011. Active tactile exploration using a brain-machine-brain interface. Nature. では猿の感覚野を刺激して、触覚に基づいたらしき課題を行わせてます.ただ,刺激した感覚野から他の領野へ刺激が伝わっているかもしれないので,本当に猿が触覚に基づいて判断しているかはわかりません.

今回紹介する論文に戻ります.研究のプロトコルは順に

  1. Pre-test stage:被験者の知覚判別能力を行動指標によって計測する.
  2. Decoder construction stage:脳活動データを計測し,Decoder(翻訳機)の学習を行い,視覚刺激を見ている時の脳活動パターンを特定する.
  3. Induction stage:視覚刺激提示によるニューロフィードバックを行い,被験者にV1/V2の脳活動を制御させる.
    1. 提示する視覚刺激は1,2で用いたのとは異なり,さらに提示した刺激では知覚学習は進まない
    2. 被験者は,後頭葉の脳活動をもとにしたフィードバックがある事は知っているが,後頭葉が視覚に関わる領野だったり,最初に行った知覚判別にかかわる領野である知識は持っていない ※2
    3. フィードバックは,2で特定した脳活動パターンに類似性が高ければ大きな円が表示され,被験者は円が大きくなるようにする.脳活動結果のグラフで指標とされている Likelihood(尤度) はこの類似性です(尤度を類似性と言いかえた深い意味はなし.尤度という言葉は情報科学の人以外にはなじみがないと思って.ちなみに,尤度が何を算出したモノなのか詳しくはわかりません).
  4. Post-test stage:ニューロフィードバック実験終了後に,再度1と同じ実験課題を用いて,知覚判別能力を計測する.
    1. 1の時の比較して,知覚判別能力が向上していた.つまり知覚学習があった.

対象とする知覚学習に関係しない視覚刺激提示でニューロフィードバック(Decoding neuro feedback)を行って脳活動を操作した結果,知覚(厳密には知覚にもとづく行動)に変化(学習)があることを示しました.この事より,視覚刺激の入力がなくても,脳活動を変化によって知覚を変化させることができる,という結論を得られました.

簡単に「によって」と書きましたが,今回の方法は電気刺激をするように脳活動自体に直接介入したのと同じと考えられるので,「得られた結論は,相関するというだけでなく,因果性がある」と言及できる方法です.さきほどのをもっと明示的に書くと,「脳活動の変化が原因で知覚学習は生じた」と言えるわけです.

ヒトのfMRI研究で,もしくは健常者で脳の情報処理について因果性に言及しようとすると,不可能と言いたいくらいに難しいので,画期的な事です.fMRIを使わなければTMS という方法を使ったり,健常者でなければ脳損傷患者に協力してもらうなどの方法で,因果性について言及するという研究が考えられます.

この結論について,ここまでのところでは,

(神経科学では当然ですが)学習は脳のどこかで行われている

という仮定があってはじめて,脳活動の変化によって知覚学習は生じた,と結論できます.上の議論は仮定があって成り立つ事ですから,やはり,その仮定である「知覚学習が行われている脳の領野」を示さないといけない※3 ※4.

この論文は単に方法の提案をしたいわけではありません.論文でも, ”The main purpose of our study was to test whether early visual cortical areas are sufficiently plastic to cause VPL of a specific orientation as a result of mere repetitive inductions of activity patterns corresponding to that orientation. ” と書かれています.そこで次の論点です.

2つめの論点,知覚学習に関与している領域について

1つめの論点で書いた検証だけでは,脳のどこが学習に関与しているかは自明ではありません.簡単に考えると,V1/V2の脳活動をフィードバックして被験者に制御させているのだから,学習自体もV1/V2だろうと結論したくなりますが,それは自明ではありません.


なぜなら,ニューロフィードバックで使った脳活動はV1/V2ですが,V1/V2は他の領野とつながっていて,V1/V2の脳活動は他の領野の活動を引き起こしていると考えられるからです.そして,V1/V2で表現された視覚刺激の情報を他の領野が受け取って,他の領野の脳活動変化によって学習が行われているかもしれないからです.また,Fig. 2 で脳の活動変化の指標となる尤度が学習日数におうじて上昇していますが,他の領野の学習による脳活動変化がV1/V2へ影響しているだけかもしれません ※5.

この研究ではV1/V2の活動変化によって学習が生じた事を検証するために,まず,

V1/V2の脳活動変化と知覚(にもとづく行動変化)に相関があること(Fig. 3E)

を示しています.サンプル1つは被験者1人を表しています(たぶん).

少し脱線しますが,サンプル1つが被験者1人を表す相関図は,fMRI研究でよく使われます.例えば,「領野Aと領野Bのの結合性を示すために使われたりもします.最近気づかせてもらったのですが,被験者1人を1つのサンプルとする相関図だと「領野Aの活動が大きい人は,領野Bでも高い」ということまでしか言えません.もっと単純にいうと,「脳活動が平均的に大きい人や小さい人がいる」というだけです.ほとんど情報はありません.この相関図を出すならば,サンプルは試行にして作るべきです.そうすれば,「領野Aの活動が大きい時には領野B も大きい,Aが小さい時にはBも小さい」と言えて,領野Aと領野Bの活動は同期していそうですし,結合性があると言えるでしょう.行動と脳活動の相関図,感覚刺激と脳活動の相関図でも同様です.

今回の研究の場合,1人の被験者で学習した時としなかった時など複数のサンプルをとることはできないので悩ましいところですが,同じ批判はあると思います.

V1/V2の活動変化によって学習が生じた事の検証として,他に Supplementary のFig. S9 があります.説明を論文の順序と逆にしますが,

Fig. S9 B
まず,fMRI decoder construction 時の脳活動データを用いた場合は,他の領野でもV1/V2と同様の判別率を得られた.このことから,他の領野も,傾きの情報表現は持っていることがわかります(「情報表現を持っている」かについては後述の議論を読んでください).
Fig. S9 A
次に,試行毎に尤度(「ニューロフィードバック時(Induction stage) の V1/V2 脳活動パターン」と「翻訳機学習したV1/V2の脳活動パターン」との類似度,ニューロフィードバックに使っている値) を他の領域の脳活動から予測しました.「コントロールとして」V1/V2の脳活動からの予測もしています.

その結果.尤度は,他の領域の脳活動と比較して,V1/V2でよく予測できています.V1/V2が学習に関わっているという十分条件が示しています.論文には ”the V1/V2 itself as a control” と書かれていますが,どちらかというと他の領域と比較して,V1/V2ではよく予測できたと言うべきところなのでしょう.これが逆になっているのは,「他の領域が学習に関わっていない」と言いたい事の表れかな(ちゃんとフォローできていませんが,著者らによる先行研究から考えると).もちろん,仮説検定で「帰無仮説である」ことを検証できないのと同じ論理で,「他の領域が学習に関わっていない」ことは検証できません ※5.

翻訳機が選択したボクセルは情報を表現しているか?


fMRIの脳活動のデコーディング(翻訳)を用いて,科学的な知見を得たいという試みはたくさんされています.

今回の研究でも,述べられている結論を言うためには,選択されたボクセルが傾きを表現している,ことが必要だとは思います.今回は,multinomial sparse logistic regression(Yamashita et al., 2009)をつかって,3つの傾き刺激をクラス分類しています.....えっと,表現を持っているか,僕にはわかりません ※6.

たとえば,Taget以外の視覚刺激2つを変えて翻訳機を学習させても,Targetについては同じボクセルが選ばれるのだったら,選択されたボクセルは特定の傾きの情報表現をもっていると言って良いのでしょうか.

例えば,Hassabis et al., 2009では,海馬傍回からは2つの部屋についてクラス分類できていて,海馬からは各部屋の位置についてクラス分類できています.つまり,一見,海馬と海馬傍回で階層的な位置表現になっていることを示唆するような内容です.ただ,たぶん著者らこの方法と結果からはそんなことは言えないことをわかっていて,「位置情報は1つのニューロンで表現されるのではなく,集団で表現される」という結論を述べるにとどまっています.

Dosenbach et al. 2010 では,SVR(Support Vector Regression, Support Vector machine for Regression)によるクラス分類で選択された領域が情報表現を持つと仮定して,さらに解析を進めていますが,おそらく間違いでしょう.Fig. 2 以降は間違えている.

一般に分類に最適なボクセルだからといって情報表現を持つとは限りません.前者のHassabis et al., 2009は,情報表現を持つ とは言わずに踏みとどまりましたが,後者の Dosenbach et al. 2010 は情報表現を持っていると解釈して解析を進めました.

SVMは,特徴空間の中で分類境界に近いところのサンプルのみを用いて境界が更新されます.なので,境界から離れたところのサンプルが加わっても境界が変更せず,分類するという点で汎化性はあります.ただ,境界を決めるのに使われているサンプル,つまりクラス分類に有用なボクセルを持ってきても,それは情報表現を持っていないと解釈するのが自然ではないでしょうか.各クラスの特徴を持っている,つまり情報表現をもっているは,境界から離れてクラスの中心にあるボクセルだと思うのです.もしくは,他のクラスから離れたところにあるボクセル.また,致命的なのは,カーネルにより写像変換された特徴空間でクラス分類しているので,どのような特徴空間でクラス分類しているか解釈するのが困難です.

確実なのはクラス分類するのではなく,例えば Miyawaki, Uchida et al., 2008 のように,情報表現のモデルを用いて表現して見せてくれれば,選択されたボクセルの総和として再構成できた程度に情報を持っていると言えるでしょう(Miyawaki, Uchida et al., 2008 でも,局所的な表現としてはクラス分類しています.ただ,それは得られた結果を基底表現として全体を再構成しています).その辺の議論はコチラ.

ですから,これを使ってニューロフィードバックを行い.....因果関係を検証するのに,この研究をプロトコルの1つに組み入れなければいけないとなると,目眩がしますねぇ....

最後に,ここまでスクロールしてくれた奇特な方に.次の論文を紹介します.マイナーな雑誌なだけに,あまり知らないと思うので挙げておきます.僕も友人に教えてもらいました.

Boulay, C. B. et al. 2011. Trained modulation of sensorimotor rhythms can affect reaction time. Clinical neurophysiology 122 (9):1820-1826.

今回紹介した論文と方法の点で似たような事が脳波で行われています.この論文では脳活動を抑制することまでも行っています.アイデアはかなり面白いです.ただし,いかんせん荒削りです.ちょっと理解しにくいし,科学として詰め切れていないのがかなり残念な論文.でも,方法のアイデアだけはすごい.

おわり.


※1
採用する方法によっては,ろくな科学にならない.fMRIによる認知科学の研究は,まだまだ科学になるかならないかの瀬戸際なところ.そんな風に感じています.
※2
僕は,被験者が視覚野からフィードバックされていること知っていてもいいように思うんですよね.明示的にガボール図を想像してても,この研究の論理は破綻しないような気がする.視覚刺激の入力がなければ同じだと感じてしまう.でも,それではダメだという人がいるのも想像する.なんでだろう?
※3
ちなみに,この研究では(ほとんどの神経科学者もそう考えていると思いますが),研究で対象となっている知覚学習は特定の領野で行われているだろうという仮定があります.つまり,学習の局在性が仮定されています.領野間での結合性変化によって学習するのなら,また別のことを考える必要はあるかもしれません(←あまりちゃんと考えていないので,本当に別の事を考える必要があるのかはわかりません).
※4
正直に言うと,僕は,脳の情報処理が知りたいだけで,どこの領野で情報処理されているかはどうでもいい,ただ,脳の情報処理である事を言うためには,やはり脳のどこで行われているか(もしくは複数の領野間のネットワークとして実現されている事を示さなければならないわけです.だから,好きでもない実験をやるわけです.実験を考えるのは好きですが,実験するのは大嫌いです.でも,必要だから実験します.
※5
「他の領域が学習に関わっていない」と言ってしまうと,Nieuwenhuis et al, 2011. Erroneous analyses of interactions in neuroscience: a problem of significance. Nature Neuroscience 14 (9):1105–1107 で批判されているリストに挙げられることになります.厳密性だけが科学だとは思いませんが,神経科学は解析などで使われる数理の仮定(制約)を無視する傾向にはあると思います.Nieuwenhuis et al, 2011のTable 1の結果を見てください,ひどすぎ.今回紹介した論文では正確に,”The results of these two offline tests indicate that influences of the neurofeedback on VPL were largely confined to early visual areas such as V1/V2. ” と書かれていて,それ以上の言及はありません.
※6
この議論するには,論文に書いてあるだけの情報でそれは断定できないというのが正直なところです.fMRI研究は,古典的な方法ですら随分と解析が込み入っているわりに,分析方法の記述は多くない.典型的な方法を採用しているにしても,当事者に話を聞くと,結構ヒューリスティックスだらけだったりします.このへん,fMRI研究の信用ならないところです.かといって,事細かく書けといわれたら,あまりに面倒だしな..分析のプログラムコードをSupplementとして挙げとくしか方法はないかなぁ.

 

2011年12月9日金曜日

論文管理アプリケーション Papers の 使い方

これは論文管理アプリPapers 2.1(青い家)のお話しです(赤い家(Papers 1.x)もありました).いまでは,論文以外にも,自分が作成したプレゼン資料や誰かからもらった資料の管理にも使えるようになっています.

Mendeleyには,いろいろと共感するし,応援したくもなるんですが,でもまだ全然使えないなぁという印象.アプリケーションとしては,Papers の方が比べものにならないほど洗練されています.Papers が下火になってほしくないなぁと思ってこれを書きました.

一度,赤い家を使っていた時にも書いたのですけどね.コチラ.Mac を使っている人には,オススメします.79USドルです.学割で40% ディスカウント.30日間は無料なのでとりあえず使ってみてはどうでしょうか? 使ってみれば安いことがわかります.

ちなみに,僕は Mendeleyをちゃんと使った事ないし,有償アプリとしては有名なEndNote も使った事ありません.比較してどちらが良いかというのは正確には分かりません.

 


では,使い方の紹介.



論文検索&書誌情報の取得

Get1 papers一番左側のカラムにある [Search] をクリックして検索画面を開きます.

検索窓でタイトルでも入力して検索すれば,見つかるでしょう.

カンタン!

検索して出てきた論文をダブルクリックすれば,新しいタブが開き,書誌情報のあるWebサイトに飛びます.複数を指定して,一括で取り込むこともできます.後述するTips にある検索トークンを使うとさらにスムーズです.



PDFの取得

Change2 Papers新しく開いたタブには,書誌情報のあるWebサイトが表示されてます.

WebサイトにあるPDFのリンクをクリックすれば,PDFを取得できます(図の左円).

カンタン.

PDF取得後,右下にある紙と地球の図のボタンを使えば,取得PDFとWebサイトの表意を切り替えられます(図び右円).Supplement が欲しい時などは,再度Webサイトにもどって,取得します(次を参照).



SUPPLEMENTARY !!

青い家に移ってきてからこれができるようになりました.これはかなり重宝してます.便利です.最近は Supplement を読まないと,実験方法や解析方法がわからないこと多々ありますよね.

Getsupple4 papers

Web サイトを表示しておいて, Supplement のリンクをクリックすると(上図,左)

・Download PDF as
supplemental data
・Create new paper
for downloaded PDF
・Replace current PDF
with newly
downloaded PDF

と聞かれるので Download PDF as supplemental data を選択.論文PDFとは別途保存される.カンタン.

右のカラムの [Supplements] をクリックすると保存された Supplements が一覧されます(上図,右).ファイルをダブルクリックすればアプリケーションから開きますし,スペースキーを押せばポップアップ表示で簡易的に見られます.

Supplement をいくつでも保存することができます!
movie ファイル とか,いろんな形式のSupplementを保存できます!



Web ブラウザからPapersに取り込みたい!


まず,準備.
こちらのSupport サイトに行きます.

Step 2 の下にある [Open in Papers] をWeb ブラウザの ブックマークバーにドラッグ&ドロップで移動します.

これで準備は終わり.カンタン.

インターネットサーフィンをして,およっ,と思った論文があれば,ブックマークバーにある [Open in Papers]をクリックすればOK.



Pubmed など論文検索サイトでない場合,書誌情報がなくて,自分で書誌情報が入力しないといけないことがあります.その場合は,Papers で検索した方が簡単かもしれません.



さて,取得した論文を読む時は.

Read7 Papers
  • [View]-[Read Full Screen]
  • [Command + Shift + F ]
  • 下側にある [Read Fullscreen] をクリック

上記の方法でどれでもどうぞ.

ノート(右側の円) 画面の下にカーソルもっていくとバーが表示されるので,その一番左をクリックすると,ノートが表示され,書き込めるようになる.
ハイライト(左上の円) 本文中の文字を選択して,右クリックで [Highlight selection]ハイライトになっている文字を右クリックすると [Change Highlight Color] があり,ハイライトの色を変えられます.
キャプション(左上の円2つ目) 適当なところで右クリックし,[Make a note]をクリック.

※ ハイライト,キャプションについてはまだ少し使いにくくて,作成したあとにキャプションの位置などを変更できなかったりします.

僕は,PDF を Adobe acrobat で開いて,acrobat の注釈機能を使ってます.Adobe acrobat で作成した注釈をRead Full screen で読むことはできます.Papersで保存したPDFは [Open PDF with ...] で任意のアプリケーションで開けます.



取得した情報は出力してこそ!

Ref8 Papers


これもPapersの大きな特徴の1つです!カンタンにアウトプット.

  • ショートカットキーを押す(左図が表示).
  • キーワードを入れます.
  • 結果が出るので,選択してEnterを押す.
  • Enterを押したその指で!? 続けてキーワードを入力.
  • 次の検索結果が出てきます.
  • また選択して Enterを押します.

気がすむだけ繰り返し,気がすんだら,

  • 例えば,[ Insert Formatted Reference ] を選択して,Enter を押す.
  • 選択した複数の論文について,書式の整った書誌情報が出力できる.


多くのアプリケーションに対応しています.場合によって,[Insert Formatted Reference] が選択できない時がありますが,[Copy to Clipboard] を選択すればいいだけです.そして, ペースト(貼り付け)!スゴイカンタン!!

これは,プレゼンや報告書などせいぜい10個程度の参考文献ですむ場合に便利です.論文を作成する時などたくさんの参考文献のリストを作りたい時は,Collection (タグに相当)に集めて,一括で出力すれば良いと思います.

RefSet Papers
ショートカットキーの設定や書誌情報の書式などの設定は [Papers]-[Preference ...] を開いて,Manuscripts で行います(右図).

Favorite Styles をプルダウンし,moreを選択すると,たくさんの書式が用意されています.プレビューを見ながら,書式を選択できます.現在(2011 Dec. 09)のところ,1405 の書式があるみたいですね.

Papers を開いて,真ん中のカラムで論文を選択して [右クリック]-[Copy] とかおなじみのショートカットキー Ctrl + C でコピーして貼り付けても,書式が整えられた書誌情報を貼り付けられます.



その他の機能

  • iPhone/iPadと同期.
  • 検索は Pubmed,Google Scholar,Web of Science など多くのデータベースから選択して使えます.単独にもできるし,複数を組み合わせても使える.
  • Keyword
    • タブですね.
  • Collection
    • 左カラムにフォルダのように表示されている Collection も便利です.上記で紹介したKeyword とは違うけどタブに相当します(同じ論文を異なる Collection に入れらます).3種類の Collection があります.
    • Manual Collection: 手動で論文を分類して使う.
    • Smart Collection: 条件を設定しておくと,自動的に分類される.これが便利.
    • LiVfe Collection: 他のPapers ユーザーと議論する時に使う.ダレカト ツカッテミタイ.



Tips


検索トークン(blue search token)

Get1 papers


キーワードを入れたあとにEnterを押すと,ブルーの背景で囲まれ,右側に矢印が出てきます(右図).

矢印をクリックすると,そのワードが 何を表すのか指定できます.トークンを覚えておけば,キーボードから指定して入力することも可能です.

・主なトークン
Title, [ti: ]; Author, [au: ]; 1st Author, [1au: ]; Last Author, [lastau: ]; Soruce or Journal, [so: ];
・複雑な検索方法については コチラ

検索トークンは赤い家(Papers 1.x)の時からあった機能でしたが,青い家が新築された時(Papers2.0)ではなくなっていました.だけど,復活.欲しい論文がある時,タイトルを入れて検索すれば,トークンを使わなくてもだいたいヒットしますが,完璧とは言えなかった.トークンがあれば, 完璧と言っていい.


PDFが取得できない場合は...
URL5 Papers
ご くごくごくごくたまに,検索結果から開いたWebサイトにPDFのリンクがないことがあります.その時は,図の矢印のあたりをダブルクリックすると,URLを直接入力できるます.あらかじめ Webブラウザから Google さんに「****(title, author など) filetype:pdf」とPDFのありかを聞いておいて,そのURLを入力すればOKです.

ちなみに,前述したとおり,Web ブラウザで見ているサイトを Papers で開くブックマークレットもあります


ポップアップで論文内容表示

Tips1 Papers

真ん中のカラム下側に,Cover Flow,Preview,Thumbnails のいずれかで表示できます.が,少し小さかったりします.Cover Flow,Thumbnails では最初のページしか表示されませんしね.

そんな時は,真ん中のカラムで論文を選択しておいて,スペースキーを押すと,ポップアップでPDFが表示されます.ページもスクロールできるし,便利です.上下の矢印キーで次々に論文を選択すれば,ポップアップに他の論文が次々と表示されます.




PS.
Wired が日本でも創刊されて,最近 Vol. 2が発売になっていて,Mendeley が特集されていました.Webでも読めます,こちら.Papersも登場してきます.

科学論文のオンラインデータベースというアイデアには、まったく前例がないわけではない。Zote Ro、Papers、CiteULikeといったオンライン/デスクトップでの研究調査支援サーヴィスはすでに存在している。
「WIRED 知のシェア – 学術論文における理論と実践」

Mendeleyのやっていることは革命的な事だと思ってます.僕も「そろそろ学術雑誌とかいらないんじゃないの!? 」とは思っていましたが,Mendeley の発展次第では本当にそうなるような気もしています.それくらい凄いと思ってます.

さらに凄いなと思ったのは,Social な機能があって,論文毎にどの分野の人が読んだのか,など読者の情報がわかったり,お互いにコメントをしあったりできるのは面白いなと思いました.かなりマイナーな論文でも読者の統計がでてきます(読んでる人が複数人います).

CiteULike を1年くらいだったか使っていたのですが,CiteULikeでは自分と同じ論文を読んでいる人のリストがでてくるのですが,そのリストを眺めるのは面白かったです.同じ目的で読んでいそうな人もいれば,全く違う文脈で読んでいいそうな人もいた(こういうのは,我々日本とか地理的に不利な国にとって有意義な事だと思います.話題がそれるので,またそれは今度に).

それにしても,Mendeley は登録者が圧倒的におおい.これを書いている時点(2011年12月09日)で1,400,994人の登録,119,482グループがあります.さすがにそれは驚異的です.独占的になったら嫌だなぁと思ったので,Papers を応援する意味で,これを書きました.

Papers にも Pepers Livfe というSocial な機能はあるのですが,自分の持っている Nature,Science 論文を見てもコメントがついているのを見つけられなかった.たぶんSocial な機能を使っている人が少ない.

(UIとしては使いやすいので,研究室のみんなが Papers を使っているのなら,Livfe Collections というグループ機能が便利に利用できるような気がします).

Mendeleyで凄いなと思ったのは,コンセプトとSocial な機能くらいで,アプリはしょぼい...やっている事は応援したいと思わせるので,良いアプリなら乗り換えようと思って3時間くらいいろいろと見ましたが,残念ながらPapersとは比較にならないです.Papersの方が良い.逆にMendeley は無料とはいえ,なんでこんなに人気なのかなぁ.






2010年11月2日火曜日

科学的根拠はありません.

※下記,単なる思いつきと思いつきの比喩表現です.科学的根拠はありません.

もう11月ですね.ここ2,3ヶ月は,ずっと,いろいろと終わらなくて泣きたい気分です.もちろん,終わらせた事も多々ありますが,それに対しての充実感がないというか...

##

科学リテラシーという言葉がありますあるそうです.自分のいる分野だと神経神話というが流行っているらしく,なおさらリテラシーが必要だとか.

リテラシーは主には情報の受信者側についての問題として語られているんですが,神経神話に関しては,情報の発信者に対しての批判も大きいようです.いろんなところで神経神話に警鈴を鳴らし続けている方々もいます.

警鈴をならす事自体は,良いと思うんです.ただ,鈴の音が後ろ向きというか,他人をよせつけないような排他的な音色に聞こえてしまうのは僕だけかな!? 個人的には,生理学を中心とする今の日本の神経科学業界は,かなり閉鎖的だなぁと感じているので,その印象と重なってしまいます.

やるならば,「まちがったことを言っちゃいけない」,「正確に言え」と言うのではなく,「本当はこうですよ」「こう表現するのが正確ですよ」と後からいちいち訂正してあげるのが,良い方法だと思うんです.やるならば.

「科学的根拠を宣伝文句にする商品には文献情報をつける」といった提案はちょっと勘弁して欲しいなぁ.あーしなさい,こーしなさい,と言われる社会はかなりイヤだ.殺生するな(主に人間に対して)とか最低限の「してはいけない事」をみんなできめたら,あとは勝手にしたら良いと思うんです.

あと,情報を発信する側の「倫理」や受信する側の「教養」の問題で,手続き(制度)に還元して解決するのはまちがいじゃないかな.倫理や教養を育てるのは,やはり基礎教育の問題で,長い時間をかけて解決する問題ではないでしょうか.

##

Webが,正確な情報が1つ増えるために万のクズ情報が飛び交う場だとしても,僕はWebを歓迎します.

というか,そもそも,正確な情報が1つが生まれるためには,万のクズ情報が必要なんだと思うんです.新しい情報ほど,まわりにクズ情報がびっしり張り付いているもんだと思うんです.そのうち,みんなでクズ情報を洗い流して,誰でもその正確な情報にたどり着けるようになる,というのが,情報が流通する構造ではないでしょうか.発信する事自体が目的である場合も多々あるし,その場合は内容なんてどうでもいいわけです.多かれ少なかれ,みんなそういう内容の無いコミュニケーションを必要としているでしょ.僕の雑談のほとんどは3分記憶する価値もないクズ情報.

基本的には,現象を理解するにはたいていは背景となる知識が必要で,ジャーゴン(術語)を使わないなら,それらを全部説明しなくちゃいけない.発信する側にそれを求めるのは,無理でしょう.専門家は黙るしかなくなっちゃう.

それよりは,とにかく何かを発信して,何かを受信する事が重要です.そのうち,専門家と専門家でない人達の間に新しい言語を作られるでしょう.それがコミュニケーションだと思います.一般に使われる新しい言語が,専門家コミュニティと違うからって,専門家はひがんじゃいけないw.コミュニティが違うんですから.フランス語より英語の方が正しい,とかはないのと同じだと思います.

##

僕の個人的な体験では,初対面の人でも,自分が脳とか認知科学を研究していると伝えると,相手から脳の話題を切り出してくれることが頻繁にあります.僕はその人の知っている間違いを起点にして,(たぶん)正解に誘導してあげられる.話しが盛り上がる.「脳って何? 難しい事やってるんですね...」で終わってしまって何にも起点がないと,それを探すのにとても時間がかかりますよね.そういう点では,ちまたで活躍される脳科学者の恩恵を受けてます.

ということで,TVでの脳科学者のお話しであろうが,学会での神経科学者の講演であろうが,居酒屋での酔っぱらいの与太話であろうが,脳の話しをしてくれる事に当事者として歓迎します.

PS.
こういう問題に興味のある方は,この本,必読では.ある生物に関する科学的な報告書.
「鼻行類—新しく発見された哺乳類の構造と生活」Harard Stumpke 著, 日高 敏隆, 羽田 節子 訳. 動物学者でケンイある日高さんの訳本です.

追記: 2010 Dec. 7
弁護士の方(この人は科学と法律の関係の研究もしているらしい)と話したら,法律に関わる人は強かだと.裁判で勝つためなら,科学的ではないと知っていても,巷で科学らしき事と認識されていたら,それはどん欲に利用すると.うーむ,どうなんでしょう.この方は,これ以上の意見を言われたわけではありませんが,悪用される事を制限するために情報発信の手続きを面倒にするのはちがうかなぁと.やはり悪用されている事を防げばいいわけで.


2010年9月24日金曜日

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.

2010年9月21日火曜日

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.


2010年9月12日日曜日

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.

2010年4月22日木曜日

感動的なおつかい!

小惑星探査機「はやぶさ」搭載カプセルの地球帰還について
おぉ,帰ってくるめどがたってる!
行って,取って,帰ってくる.スゴイなぁ.

「はやぶさ」がわからない方はこちら↓

もすこしまじめに何やってるかはコチラ↓
宇宙版プロジェクトX 小惑星探査機はやぶさ#1(youtube)

はやぶさ、地球へ〜帰還カウントダウン〜特設サイト

2009年11月19日木曜日

公開して行うのは良いことだね.

事業仕分けの3-21 若手研究育成テキスト
最後のまとめで,レンホウさん,

1ー2割縮減が4名
1/3程度が縮減が3名
半額が3名
まあ1/3から半額縮減が6名となります。
言うんだったら,1-2割から1/3程度が7名,じゃないの!?3つで言ったら,1-2割縮減が一番多い人数...行政刷新会議の評価コメント(PDF)の資料で言うと,WGの評価結果では,
予算要求の縮減10名(a 半額3名、b1/3縮減 3名、その他4名)
とりまとめコメントでは,
評決の結果は、予算要求の1/2から1/3縮減という方が6名おられた。...
091113-5資金若手研究育成 録音を聞いたら, やはり1-2割縮減が4人と言っていますね.資料は,間違っていそうです.生データ(解析されていない元のデータ)が残っていて良かったです.

PS.
正確に言えば,報告書は間違ったことは書いていない.「1-2割縮減が4人」が隠れているだけ.誤解を招く表現です.

PS.
実は1ー2割縮減が4名と言ったのが間違いで,資料の方では正確に修正したという可能性はあります.

2009年11月18日水曜日

必要とされない職業,事業仕分け



最近,ネットであまりに同情されないポスドクへコメントを見て(ポスドクの方が研究職を選択したがゆえの窮状を掲示板に書き込んで,それに対して「自己責任」という主旨のコメント多かった),これが小児科医だったり産婦人科医だったらもう少し同情されるんじゃないかと思ったり...自己責任と言っている方々は,現在ポスドクの人達が自己責任で研究職を「選択しなかった」としても,誰も困らないよ,と言っているのですよね.

改めて,必要とされない職業についている身なのだとわかって,なかなかがっかり.

とはいえ,研究社会と他の社会との距離感としては,こんなもんかなとも思っています.科学者は,政治的な(社会的な)活動について嫌悪感強いですし,教育についてだって自分の研究時間の対価として払われる負担としか考えていない方もよく見ます(研究したい研究者にとって,感覚的にはそうなってしまうのはしょうがないのですが,長期的に科学コミュニティーを持続させるため必要であることは一呼吸考えれば分かることなので,それを露骨に表現されると僕はイヤな気分.).

今日,かなり久しぶりにGoogleニュースを見てみたら,ニュースのカテゴリに「テクノロジー」があって,以前は,たしか「科学・技術」だったのに...たしかに「科学・技術」の時も,検索されるニュースはPCのパーツの話題だったり,ほとんど技術的なニュースだったので,実情にあわせたんだろうと思います.

でも,「科学」のカテゴリはなくなっちゃったので,地味にがっかり.

##

事業仕分け.科学関連は第3会場の11月13日

事業仕分け録音のテキスト化

こちらも,事業仕分けの対象(疑わしき事業)の時点で,すでに科学関連の予算がほとんど入っていたので,なかなかがっかり.

若手研究者の競争的資金が生活保護と同列に議論されているのにもがっかり...時間のない議論なので,表現が直接的でもよいのですが,国家百年の計を表現するには下品な言葉が多いのは残念.回答する方の言い回しは,回りくどくて,質問に対して,もっと簡潔に回答しろよと思う.

ただ,事業仕分けを公開にして行うという点は,とても民主的だとは思っているので,事業仕分けという方法論にはとても好感を持っています.

ところで,
すべての事業は当事者にとっては必要です.ただ現状では,限られた資源(今回は特に経済的資源)で行うために,優先順位をつけなければいけなかったわけです.どうやってその優先順位をつけるのだろうと,興味がありました.僕は全体が把握できないので,もちろん科学の優先順位がどこにあるかも分からなかったのです.異なる事業をどう比べるのか,例えば児童教育と科学の優先順位をどのように評価するのか,に興味がありました.

ふたを開けてみれば,
単にある事業について担当官僚(関係者)と仕分け人がディベートをしてその優劣が事業評価であるという方法だった.科学の重要性をディベートして,勝てば良かったわけなので,これはもうちょっとがんばってほしかったな.これまでだって,科学成果のプレスリリースに対して「何の役に立つのですか?」と素朴な質問は科学素人記者からたくさんあったはず.科学の経済的な波及効果だって適当に試算できたんじゃないかな.

某大学では,ある失敗をして,予算が削られることになって,ようやく危機感を抱いて,その危機感で新しい研究科を作っちゃった例もあるんですよね.多くの大学がその必要性は認めているものの,その研究科は(国公立では!?)その大学にしかありません.危機感を良い方向に向かわせることができればいいですよね.

事業仕分けに関していろいろと記事↓
事業仕分けWS3 まとめウィキ(←まとまっている!)
事業仕分けとProblem of Extension
Japanese science faces deep cuts

ちょっと皮肉.日本でもエコって言ってもダメだったのかな.
世界最速スパコン:景気刺激策で新研究を支援する米政府 | WIRED VISION

とはいえ,行政刷新会議の事業仕分けは法律的な拘束力はないはずなので,科学者の政治力を発揮しましょうか.若手の研究者が意思を表明できる場もあるようです.
科学研究費補助金の一部の執行停止に対する反対署名
行政刷新会議事業仕分け対象事業についてご意見をお寄せください

学会のHPでは,事業仕分けに対する意見の表明などは出ないのですかね.日本の大きな学会をみても出しているところがなさそう.腰が重いな.

教授さん方,がんばってください.政策を動かすのは若手の仕事じゃないよ.素敵な言葉で科学の重要性を説いてくださいな.

PS.
国に依存しすぎる科学もどうかなと思うので,同時に民間のお金で研究運営するロールモデルを模索してほしいです.

2009年11月5日木曜日

比べること.

 
物理学とは,現象を相対化する科学である.

まず,物理学とは何か?
ある現象が不思議という研究者の主観があってその
次に,その現象は特に不思議ではあるけれど,他にも
原理的に同じものがあることを実験的に示すこと.そ
して,最初に不思議と感じた現象は,それら一群の現
象中の一つにすぎないことを理論化すること,すなわ
ち現象の相対化である.
沢田 康次: (2009) 脳の現象論と物理学 , 日本神経回路学会誌, Vol. 16, No. 3, pp.126-127 . (PDF)

映画イル・ポスティーノで,郵便配達のマリオが「世界全体が何かの隠喩になっているのですか?」と詩人のパブロにたずねる場面が思い出された.

脳機能を数理的な表現で書きくだす事は,脳機能と数理的表現を相対化している,と言っても良いのかな.

巷で,脳科学者が,専門家でない方々に脳機能を擬人化して説明したとして,それは仕方のないことだよね,と思っている.たくさんの人に説明するなら,たくさんの人に共通する卑近な例で「相対化する」のは当然かな.正確な表現ではないからと言って,会話をやめてしまうのは,あまりに閉鎖的すぎるので,外部に向けて非正確な表現を恐れずに語れる人はコミュニティーに一定数必要でしょう.

僕は,ポスター発表で知らない人に説明する場合に,いつも僕から聞きに来てくれた相手にどんな研究しているのか,学生の方だったら学部や研究科を,逆に質問してしまう.相手が持っている言葉がある程度推測できないと何からしゃべって良いか分からなかったりします.もちろん,こちらにもしゃべりたい言葉があるので,後からこちらの言葉を理解してもらうようにもがんばります.

専門家のコミュニティー内では正確に表現することが,第1優先だと思っている.だから,無用に相手に合わせるだけが能ではないでしょうけどね.何かのアルゴリズムを説明しているときに,「直感的に説明して.」とか言われると少しカチンとくるので,ホワイトボードに数式を書いて,コレです,と言うことにしてる.一方で,僕も生理学や心理学の術語を無邪気に使ってしまう癖があるので,それに気をつけている.

そうそう,
相対化するものを持たない人は理解できないんですかね?
そうだとしたら,脳科学者は,脳だけを見ているわけにはいかないですね.そうだとしたら.

PS.
何か1つと相対化したからと言って,さらなる相対化をやめてしまったら理解は深まらなさそう.できるだけ一般的で正確な表現と相対化できるようにがんばらないとですね.

2009年11月2日月曜日

turtle neck,polo neck,もしくは徳利を着てみようと思うくらいの寒さ.

今日の京都は少し寒いです.全国的に寒いんですかね.

##

今日,考えた事.

仮説なしの研究を標榜して,例えば,脳の認知行動レベルでの情報処理について,できるだけ統制をせずに自然な状況を作り出して実験をしたとして,時間的にも空間的にも高解像度の脳活動データを取ったとして,環境(刺激)も高次元データで脳活動や行動も高次元データになるわけですが,何か分かるかと言えば,まず確実におぼろげにしか分からない.科学的に何か言えるかといえば,無いはず.考察はいっぱいできるだろうけど.

なぜなら,不定性(解が一意に決まらないこと)が大きくなるから.自分の分野で良く聞く言葉で言えば,正確な表現ではないと思うけど,実験条件がコンタミ(Contamination)して解析では原理的に切り分けられないから.

実験設計をするときに,
仮説とする脳の情報処理のモデルと,その他のいくつかの考えられるモデルと,の間に十分に差が出る課題を作り出さなかったら,検証できない.

ヒトの脳で,感覚入力からの情報を次元縮約している情報処理過程があるのは自明だと思うけど,それが判別分析しているのか,主成分分析しているのか,独立成分分析しているのか.を確かめるためにはどれか1つのモデルを選んで,計算理論のレベルで選択したモデルが他のモデルと差の出る状況を調べて,実験を作らないと検証できない.

上の3つの次元縮約のアルゴリズムは最適性が違うけど,とはいえ,視覚的に複数個の物体を認識したり,識別するという程度の課題設計だったら,どれでもうまくいく.差は現れないと思う.異なる最適性が差として現れる課題を計算論的に考えて,できるなら解析計算して,少なくとも数値計算はして,実験設計する必要がある.

仮説を立てて,仮説を忘れて,また仮説を立てる,
(実験する前に仮説を立てて,実験・解析するときには仮説を忘れて,解析後にまた仮説を立てる)というのが,実際の研究のプロセスですけど,忘れる仮説だからと言って最初をおざなりにすれば,ろくな実験はできないので,どのプロセスを強調することなく,全てを整然と行うのが研究かなと.

とはいえ,「ヒトが判別分析をしている」と仮説を立てて実験設計をして計測して,データが出てきた後に,やっぱり「ヒトが主成分分析している」と思い直したところで,検証するためには同じ実験設計やデータではダメで,別の実験設計をして計測しなおすのがオチだと思う.なので,やっぱり事前知識(先行研究)からすんごくよく考えた仮説を持っておくのが必要かな.やっぱり,最初に仮説を立てるプロセスを強調しておこうw.

計測しなおさなくても他の仮説が検証できる程度なら,仮説のもっている具体性はそれほどないかもね.

PS.
最近,fMRIデータなどでの脳領野結合解析で使われるDCM(Dynamic Causal Modeling)という解析方法を勉強して,かなり生成モデルを仮定していることを知ったのだけど,知りたい事(領野間ネットワーク)の下層にある生成モデルのパラメータ推定によって,知りたい事(領野間ネットワーク)のモデルはなんとでもなってしまいそうな胡散臭さはある.生成モデルを考えればいいかと「想え」ば,それだけだと妄想なんですよね.

知りたい事の下層にある現象の適度な抽象化,というのが今のところの1つの答えですが,階層性のある現象(脳)の理解のためには,いろいろと工夫が必要です.

2009年10月27日火曜日

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.

2009年10月25日日曜日

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.

2009年10月24日土曜日

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.

2009年10月1日木曜日

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.
 

2009年9月12日土曜日

他人の評価

 
Frog in Orchid

日本だとフットボール(日本で言うところのサッカー)では,オールスター戦はサポーターがイイ選手を選び,その年のイイ選手(MVP,新人王,ベストイレブン)は監督や選手が選ぶ.ヨーロッパのフットボールだと,シーズン終わりの5月,6月の頃になると,各国のフットボール協会やフットボール記者が一番イイ選手を選ぶ.

フットボールの選手は,その業界の当事者(監督,選手など),プロフェッショナルな批評家(ジャーナリストなど),アマチュアな批評家(サポーターなど)に評価されるわけです.

ところで研究業界だと,研究の評価で耳に聞こえてくるのは当事者達の評価がほとんどですよね.Peer to peer,P2P.

日本でも京都賞など大きな賞がありますけど,評価しているのは研究者か元研究者の方々ですよね.ジャーナリストが選ぶ賞とかってあるのかな?Scientific American(日本だと日系サイエンス)が年間ベスト50の研究(者)などを発表しています.これはジャーナリストが選んでるのかな.

当事者とジャーナリストでは,評価軸のベクトルが少し違いそう.

ちなみに,僕は基本的には訓練を受けている専門家というのを尊重する質(たち)なので,科学に批評家がいるのなら,当事者からの評価よりも批評家の評価というのを気にするような気がする.

PS.
アジアフットボール連盟(AFC; Asian Football Confederation)だと投票ではなく,国際試合で毎試合選ばれるMVP選手に決まったポイントが与えられて,年間を通してそのポイントが多い人が選出されます(5,6年前までは,投票権をもっている記者投票だったけど,たしか).

この類だと,研究業界にも,論文数だのインパクトファクターだのいろいろと評価指標があります.分野によってこの特徴空間が違うので,分野横断的なところで研究している人は人一倍大変だろうな.
 

2009年9月10日木曜日

科学報道

Nature Digestに科学ジャーナリズムについて記事がいくつかまとめられて載っていました(過去のNature記事をまとめている雑誌なので).このページは日本語での翻訳もされているので,日本語で読んでみた.

・科学ジャーナリストはチアリーダーか監視役か(PDF)
 Cheerleader or watchdog?

・科学ジャーナリズムの「聖職者モデル」を超えて(PDF)
 Science journalism: Toppling the priesthood

・科学ジャーナリズムの歴史的変遷 (PDF)
 Science journalism: Too close for comfort

・盛り上がるアラブ世界の科学ジャーナリズム (PDF)
 Science journalism: The Arab boom


特に2つ目の記事がおもしろかったです.
ここで聖職者というのは,科学者の言葉をに科学者以外の多くの人に伝えるための翻訳者という意味.ジャーナリストは多様な分野を追跡しなくてはいけないから,その研究の位置づけの把握や批評などまでは手が回らなくて,最低限の仕事,つまりプレスリリースの複製ですませてしまう状況になっているというのを表現しています.

その解決策の一つとして,科学的な知見が世に出る過程を見せたらいいと言ってます.(ちなみに,僕は「世に出る」と書きましたが,日本語本文では「作り上げられる」,元の英文でも「Crafting knowledge」とか「... of how scientific knowledge is crafted」と表現されています.僕は気にとめない表現だけど,気にする人いますよね,きっと.このへんコワイので表現を変えてみた.)
「この問題に取り組む1 つの方法として考えられることは、論文の最終稿とともに、匿名査読者のコメントをジャーナリストに閲覧させることである。」
これは確かに良いなと思った.ジャーナリストだけでなくて,その分野の初学者にも有益かなと思った.これまでも論文のIntroとDiscussionを読むことでその研究の課題や位置づけは一応分かるのだけれど,査読者のコメントを載せれば,さらに付加的な情報となりそうです.逆に混乱するかな.

ともあれ,ジャーナリストなら科学者のコミュニティーとは独立に批評できる規準が持てるようじゃないとダメですよね.Nature essayでジャーナリストが査読コメントを公開しろと要求した!?のはおもしろいなと思いました.Biology Directなど一部ではすでに査読者のコメントも載せているとか.


3つ目にある記事もおもしろかったです.科学記事のもつ影響が変容するとともに科学ジャーナリストに要求される事も変わってきている様子が書かれています.

それとジャーナリズムの話しではないけれど,会議に参加して聞いた内容をWebにアップしてしまう行為についての記事もありました.これは無料公開記事になっているようです(アカウントの登録は必要かも).
ブログは学会・国際会議の敵か?(PDF)
 

2009年9月4日金曜日

90億の科学,あるいは2700億の科学.

 
「中心研究者及び研究課題」の選定結果(PDF)

大きな予算のプロジェクトの選定結果が出てました.ふーん.これは,予定通り予算配分されるのでしょうかね.選ばれた研究に対するコメントはないですが,落選した研究プロジェクトの中に残って欲しかったのがあったので残念.


ついでに!?,こんなのも公表されていましたね.

先端的研究を推進して実現してほしいこと(PDF)
参考:科学者、研究者のイメージまとめ(PDF)

実現して欲しいことでは,宇宙起源の解明以外は科学ではなく技術的な期待ですね.なんだかTVから出てきたような結果です..

 ##

ひところ,技術というか工学研究は目的を果たせば,それがなぜ実現しているかという科学的な根拠が分からなくても成功だと思ってる節がありました,わたくし,恥ずかしながら正直なところ,ほんの少しですが.

最近,技術的な研究も科学的な考察をうんとする必要があるんだなと痛感する議論を目の当たりにしたこともあり,そんな考えは消し飛びました.多くの人に技術を伝えようとすればきちんと科学的考察や検証をする必要ありますよね.

ということで,「科学が基礎研究で,技術(工学)が応用研究だ」なんて単純な図式はこれっぽっちも思っていないのですが,とはいえ,それぞれ研究に性格があることは実感しています.その説明としてなかなか好きなのが,科学の四象限について@赤の女王とお茶をです.抽象度←→具象度,知のための科学←→人のための科学の2つ軸,4つの象限で説明しています.

1.抽象度が高く、知のための科学

たとえば素粒子科学は今のところここに当てはまるのではないでしょうか。

2.具象度が高く、知のための科学

クラゲGFPの発見はここに入るでしょう。ただし、現在では強力な応用ツールとしての方法が見出されていますから、3番に入っているかもしれません。しかし当時としてはそこまでの予見はできなかったでしょう。

3.具象度が高く、人のための科学

まず入るのが医学や工学でしょうね。たとえ宇宙的一般性がなくとも、難病の治療法を見つけることには大きな価値があります。ノーベルのダイナマイトの発明などもここでしょう。

4.抽象度が高く、人のための科学

経済学や社会学かな。言語科学や情報科学も入るかもしれません。人や社会に関して抽象的な一般性を見つけようとする科学です。

ということで,「先端的研究を推進して実現してほしいこと」を読んで,第3象限の科学に対する期待ばかりなのが残念でした.

PS.
説明すると長くなりますね.
自分は第2象限の住人で,第4象限に遊びに行く人かな.

2009年8月25日火曜日

脳科学の商売

 
Freeill
移動式のCTやMRIの貸出しを行っている会社.トレーラーの中にMRIが入っている.1.5TのMRIもありますね.料金を取って貸出ししている研究機関のMRIと比較すると,貸出し料金も高くない様子.これで研究ができれば助かるな〜.

脳科学で商品戦略・開発? 博報堂が専門組織
NTTデータ経営研究所,ATR−プロモーションズ,脳機能研究所.へー.

個人的には,脳科学に商品戦略や開発の根拠を求めなくてもいいんじゃないか!?とは思ってます.とはいえ,やっている人がいる中で,傍観者である僕が「うまくいかないよ」とただ冷ややかに予想することは意味のないことです.うまくいくようにがんばって欲しいです.

あと,売れる物を作るより,売りたい物を作った方が,みんながHappyになれるような気もしています.作り手が,売りたい物を作るときの説得材料に科学を利用するという流れならイイのですが.もしくは,自分が売りたい物を良くするために使うとかね.「売れる」という科学的根拠がどんなにあっても,それだけで商品開発するんじゃ,作り手にも,売り手にも,買い手にも,とっても不毛な気がします.
 

2009年8月6日木曜日

An Infomation Criterion

訃報:赤池弘次さん 81歳=統計数理研究所名誉教授・元所長、統計科学専攻(毎日jp)

An Infomation Criterionで知られる赤池さんが一昨日に亡くなったと.

AICは1971年に考えられ,1974年に発表.

赤池さん自身は,AはAnの略だと,一貫して言っていました.

2006年の京都賞を受賞した時に講演を聴きに行ったときも,

その事を強調して言っていたような気がします.

とは言え,AICは赤池さんの手を離れるとAkaike's Infomation Criterionと呼ばれますね.

様々な分野にAICが出てきます.

脳科学でもAICという言葉こそ出てこないものの,

それと同じ考えで研究されている論文を良く目にするようになりました.

僕もAICに惑わされている1人.