人を初めとする生体の認知や行動のメカニズムを探求する研究に、脳が行なっている情報処理の様式／原理の解明がある。いくつかあるこの研究のアプローチの一つが、脳の活動（機能）の本質を捉えている（と思われる）脳のモデルを作り、モデルが内包する脳の性質を微視的、巨視的の両面から解明する理工学的なアプローチである。
私の研究は、この理工学的なアプローチにあって、非線型性の強い脳の数理モデルを幾何的に捉えようとする点に特徴がある。具体的には、幾何的な解析方法を与え、その方法に基づいて、脳に見出された現象が数理モデルのどんなメカニズムとプロセスに対応するのかを明らかにしようとするものである。
連想記憶のダイナミクスを球面上の流れとして記述するこの研究の幾何的描像は、もし刺激をプロセスの流れに沿って配置できれば、時間的にずれた２つの刺激の組を記憶しなくても、時系列を記憶することも思い出すこともできることを示唆しており、それは数値実験により確認された。
この研究における一連の実験により、忘却を行ないながらの自己相関学習で学習アルゴリズムでは時間的
な連合がとれない程時間的に離れた記憶を連合できることが示された。さらに、２つの混在した時系列刺激を記憶したとき、入力に応じていずれか一方の時系列だけを想起するといった一種の選択的な時系列刺激の記憶／想起が可能であることを明らかとなった（図１参照）。
 |
| 図1 2つの時系列信号が混在して入ってきたとき、連想記憶がどのように時系列を 思い出すかを示す図。Overlap軸の値は、時刻timeに何番目の刺激がどのくらい強く 思い出されているかを示している。番号1〜19で示される一方の系列が選択的に想起 されていることがわかる。 |
率直に言って、現時点で満足のゆく研究成果はあがっていないと考える。さきがけが始まったとき私は、自分の研究方法と方向に自信を持ち、成果を上げ得ると確信していた。しかし、分子レベルから認知心理学レベルに至る多様な研究を目の当たりにし、さらに、「自由意志とは」と正面から問われ、自分は脳の数理モデルの内側という狭い研究テリトリに縛られ、低い志しか持てていなかったのではないか、と気づかされた。今の私は、モデルならびに理論的な方向から脳に迫ることは変わらないが、神経生理学的ならびに認知心理学的研究に対して予言ができる仕事するのだという大望を抱いている。この文脈のなかで、自分が構築してきた脳の数理モデルを幾何的に解析する方法が、統計的手法と比較して定量的精度に劣る面あるものの、脳の数理モデルの隠された可能性を明らかにできる、ひいてはこうした予言に役立ちそうなことは、幸運だった。さきがけの中で、「忘却」が時系列刺激学習に役立つことを示せたことは、不十分ながらその方向への最初の一歩だと考えている。今後は、記憶の変容を支える現象のメカニズムとプロセス（その肯定的な意味）を実験的研究に繋がるような形で解き 明かしたい。
| 1. | T.Kindo & H.Kakeya: A geometrical analysis of associative memory,
Neural Networks, 11,39-51, (1998). |
| 2. | M.Hirahara, N.Oka, & T.Kindo: Associative memory with a sparse
encoding Mechanism for Storing Correlated patterns, Neural Networks,10,1627-1636,
(1997). |
| 3. | H.Kakeya & T.Kindo: Hierarchical Concept Formation in Associative
Memory Compsed of Neuro-Window Elements,Neural Networks, 9, (1996). |