学習には頭脳が必要だと思われがちです。しかし、学習は必ずしもニューロンに依存するわけではない広い概念です。

生物が過去の経験からの情報を使用して将来の決定を形作る場合、それは学習でもあります。

PRX Life 誌に掲載された私の研究室の研究では、たとえ 1 個の細菌であっても、経験から学び、過去の記憶を保存し、その記憶を使用して将来に備えることができることが示されています。

栄養素を監視する

細菌は、常に変化する環境とさまざまな時間スケールの中で生きています。たとえば、人間の腸内では、栄養素レベルが増減し、温度が変化し、抗生物質の脅威が去来します。

細菌は生き残るために、最近経験したことに関する有用な情報を保持することで、今起こっていることに迅速に対応する必要があります。適応が早すぎると、細菌は状況の変化に対して脆弱になりますが、忘れやすいと、再発する脅威を予測できなくなります。

細菌はこのバランスをどのように管理しているのでしょうか?この疑問は、生命システムがどのように情報を処理し、変化する環境に適応するかを研究する計算生物物理学者として、私にとって興味深いものでした。

細菌などの単細胞生物が過去の経験から学習できるかどうかを調査するために、同僚と私はいわゆるマイクロ流体デバイスを使用して数万人の個体の行動を追跡しました。 大腸菌 細胞の栄養供給をさまざまな速度でオンまたはオフにします。

私たちは、細菌が環境内の現在の栄養レベルに反応するだけでなく、変化する条件に対処するために栄養履歴も追跡していることを発見しました。

細菌が単に現在の環境に反応しているのであれば、以前の環境が安定していたか急速に変動していたかに関係なく、突然の食物のパルスに対してまったく同じように反応するでしょう。逆に、同じ栄養素の流入にさらされた場合、食と飢餓の環境を経験したばかりの細菌は、安定した環境の細菌よりもはるかに早く適応しました。

両方の細菌の当面の状況は同一であったため、我々は、それらの行動の違いは、現在に対する単純な反応ではなく、保存された過去の内部記録に由来するに違いないと推論しました。

言い換えれば、細菌の過去の経験が現在の行動を形成し、学習しているのです。

細菌が記憶を保存する場所

しかし、これらの細胞はどこにこの情報を保存していたのでしょうか?

細菌が栄養環境の変化にどのように反応するかをより深く理解するために、私のチームと私は、細菌の増殖を制御する内部分子ネットワークの数学的モデルを構築しました。私たちのモデルは、細菌がさまざまな栄養環境でどのように行動するかを再現しただけでなく、細菌の記憶がどこに存在する可能性があるかを明らかにしました。

私たちのモデルは、リボソームと呼ばれる細胞の構成要素が記憶保存部位の可能性があることを指摘しました。リボソームは細胞の分子工場であり、タンパク質を構築し、細胞の成長速度を決定します。細菌の記憶は増殖速度の変化として明らかになったので、私たちのモデルは、増殖を決定する工場内でこの記憶の起源を突き止めました。モデル内でテストした他のコンポーネントでこの動作が再現されたものはありませんでした。

リボソームには、栄養素の変化に素早く反応するものもあれば、よりゆっくりと変化するものもあります。私たちは、反応が早い人は現在起こっていることを追うのに対し、反応が遅い人は過去の痕跡を保持していると推論しました。これらは一緒になって、数分から数時間までの多くの時間スケールにわたる記憶を細胞に与えます。

細菌とAIシステム

私たちの数学モデルを使用したところ、この分子システムはリカレント ニューラル ネットワーク (音声やセンサー データなどのシーケンスを処理するために使用される人工知能の一種) と同じ基本的な計算ロジックに従っていることがわかりました。

このプロセスの鍵となるのは、コンピュータ科学者がゲートと呼ぶもので、既存のメモリをどれだけ保持し、新しい情報が到着したときにどれだけ上書きするかを決定する分子スイッチです。適応の準備を維持するには成長が犠牲になるため、細胞はコストをかけて記憶を維持します。細菌が現在の環境に適応することにエネルギーを費やしている場合、増殖に費やすリソースは少なくなります。細菌は分子ゲートを使用して、どのくらいの量を保持し、どのくらいの量を廃棄するかを積極的に調整します。

現代の AI システムは、新しいことを学習するのに十分な柔軟性を維持しながら、重要な詳細を記憶するためにゲートに依存しています。細菌では、ゲートはソフトウェアではなく細胞の化学反応によって構築されます。

この戦略は、AI 研究者にとって馴染みのある問題、つまり以前に学習したことを消去せずに新しいことを学習する方法の解決にも役立ちます。細菌細胞は、さまざまな時間スケールで情報を保存することで、記憶力と柔軟性のバランスをとります。この種の履歴に依存する計算にはニューロンは必要ありません。対照的に、私たちの研究は、リボソーム集団のネットワークで十分であることを示しました。

人間が人工知能を構築するずっと前に、細菌はすでに過去を利用して未来に備える非常によく似た戦略を開発していました。

細菌の記憶の利用

学習の最も広い定義を使用すると、私たちの研究結果は、脳やニューロンがなくても、細胞内の化学ネットワークから記憶と学習が生じる可能性があることを示しています。

私たちの研究は、生物学と人工知能の間の予期せぬ関係も明らかにしています。生物学の場合、私たちの数学モデルは、細胞がどのように情報を処理し、意思決定を行うかを説明するための正確な定量的言語を提供します。人工知能の場合、厳しいエネルギー制約下で継続的に学習できるシステムを構築するための生物学的モデルを提供します。

これらの発見は医学にも影響を与える可能性がある。多くの病原性細菌は、体内の変化する状態に適応することで生き残ります。この適応性が細胞の記憶に依存しているのであれば、将来の感染症治療薬は、細胞が環境に関する情報を保存して使用できるようにする分子構成要素を変更する可能性がある。