2009年11月11日水曜日

ぷはっ==...

 
先週は,非常にがっかりしたり,よろこんだり.
昨日は,良い結果が伴ったのでほっとしているところ.

ほっとしたとたんに,体の節々がだるいというか,筋肉痛というか,運動した後の様.いろいろと緊張感が続いてたのかしらん,と終わってから気付く.

よし,雑務,やりたくないこと,は片付けた.
さて,やらなければいけないこと やりたいこと,にとりかかろっと.

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.

300







今日は,2009年の300日目.











2009年10月26日月曜日

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.

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.