※本記事は、Reinhold Scherer氏によるウェビナー「Mind over machine: When AI listens to your thoughts」の内容を基に作成されています。本ウェビナーはITUが50以上の国連パートナーおよびスイス政府と共同で主催するAI for Goodにより開催されたものです。動画の詳細情報は https://www.youtube.com/watch?v=uneBls0wrww でご覧いただけます。本記事では、ウェビナーの内容を要約しております。なお、本記事の内容は原著作者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご覧いただくことをお勧めいたします。
登壇者のReinhold Scherer氏は、エセックス大学コンピュータ研究・電子工学部（CSEE）の学部長であり、国際BCI学会副会長を務めています。
※本記事は、Reinhold Scherer氏によるウェビナー「Mind over machine: When AI listens to your thoughts」の内容を基に作成されています。本ウェビナーはITUが50以上の国連パートナーおよびスイス政府と共同で主催するAI for Goodにより開催されたものです。動画の詳細情報は https://www.youtube.com/watch?v=uneBls0wrww でご覧いただけます。本記事では、ウェビナーの内容を要約しております。なお、本記事の内容は原著作者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご覧いただくことをお勧めいたします。
登壇者のReinhold Scherer氏は、エセックス大学コンピュータ研究・電子工学部（CSEE）の学部長であり、国際BCI学会副会長を務めています。
1. BCIとは何か：定義と基本原理
1-1. 登壇者紹介と講演の目的
Speaker： 皆さん、おはようございます。本日はこのセッションの冒頭を飾ることができ、大変光栄です。このセッションはブレイン・コンピュータ・インターフェース（BCI）をテーマにしていますが、私はいくつかの立場からここに立っています。そのうちの一つが、国際BCI学会の副会長という役職です。今日はAIがテーマのカンファレンスということで、BCIにおいてAIがいかに重要な役割を果たしているかという観点を中心に、簡潔にご紹介できればと思っています。
まず最初に会場の皆さんへ伺いたいのですが、BCIという言葉を聞いたことがある方はどのくらいいらっしゃいますか。そして次の問いかけです——BCIは私たちの「思考を読む」ことができるのでしょうか。この問いへの答えは今すぐ求めません。この講演を通じて、BCIが今日現在できることと、まだできないこと、その両方について正確な理解を持っていただけることを願っています。脳に直接アクセスするという行為は非常に親密な介入であり、プライバシーや倫理の問題が必然的に伴います。それらについても含めて、今日の話を聞いていただき、特に後半のパネルセッションで深く議論していただければと思います。
1-2. BCI学会による公式定義
Speaker： では、定義から始めましょう。これはBCI学会がそのメンバーによって策定した公式定義です。「ブレイン・コンピュータ・インターフェースとは、脳活動を計測し、それをほぼリアルタイムで機能的に有用な出力に変換するシステムであり、脳の自然な出力を代替・回復・強化・補完・改善することで、脳とその外部または内部環境との間の継続的なインタラクションを変化させるものである。また、脳に機能的に有用な入力を生み出すために、刺激を標的に届けることで脳活動を修正することもある」というものです。
かなり情報量の多い定義ですが、今日はこれを一つひとつ噛み砕いていきます。まずこの定義が述べているのは「脳活動を計測する」という点です。脳はニューロンと呼ばれる特殊な細胞が数十億個集まった、美しいネットワークです。次のセクションでその仕組みをより詳しく見ていきましょう。
1-3. 脳の仕組みと電気信号の計測：侵襲型と非侵襲型
Speaker： ニューロンが特別な理由は、情報を処理し、かつ伝達することができる点にあります。個々のニューロンは他の数万ものニューロンと接続しており、極めて複雑なネットワークを形成しています。そしてこのネットワーク内部での情報処理は、生体電気電流によって行われています。つまり、脳の中を電流が流れているわけです。
この電気信号を計測する方法は大きく二つあります。一つは侵襲的な方法で、センサーをニューロンの近くに直接埋め込むものです。この方法では空間分解能が非常に高く、鮮明な信号を得ることができます。もう一つは非侵襲的な方法で、頭皮の上からセンサーを当てて脳活動を計測するものです。今日の話の中心はこちらの非侵襲的なアプローチです。
ただし、頭皮から計測する場合、脳の内部で何が起きているかの「見え方」はどうしてもぼやけてしまいます。個々のニューロンの活動を捉えることはできず、数百万のニューロンの活動が重ね合わさった状態、つまり総和として計測されます。「思考を読む」という文脈でこれを考えると、なぜそれが容易ではないかが少しずつ見えてくるのではないでしょうか。
2. AIによるデコーディングとBCIシグナルの課題
2-1. 機械学習によるパターン認識の役割
Speaker： 脳活動を計測したあと、それを「変換する」というステップが定義に含まれていました。ここでAI、機械学習、パターン認識が非常に重要な役割を担います。脳についてはすでに多くのことが解明されていますが、それでもまだ学ぶべきことは膨大にあります。現時点では、脳の動作を完全に説明できるような包括的なメカニズムモデルは存在していません。そのため私たちが現在行っているのは、統計的な性質に着目し、パターンを計測・記述するというアプローチです。様々な技術・手法を用いてその統計的性質を記述し、機械がその事例から学習できるようにしています。
2-2. 個人差・非定常性・転用困難性という固有の課題
Speaker： しかしここには大きな課題があります。脳波のパターンは非常に個人固有であるという点です。つまり、人それぞれに固有のパターンがあります。私が「individual（個人）」という言葉を好むのは、まさにこの意味においてで、私たちは本当に一人ひとりがユニークな存在なのです。
さらにもう一つの特性として、脳波信号は「非定常」であるという問題があります。これは統計的な性質が時間とともに変化するということを意味します。脳そのものが変わるわけではありませんが、私たちが計測しているものは変化します。この変化は数時間以内に起こることもありますし、特に時間をまたいで長期的にも生じます。
この二つの特性、すなわち個人差と非定常性が組み合わさることで、あるセットアップで構築したシステムを他の多くの人に転用することが現時点では非常に困難になっています。これは信号に本質的に内在する性質であり、取り除くことができないものです。
2-3. リアルタイム処理と脳・機械の共適応（co-adaptation）
Speaker： 定義にあった「ほぼリアルタイムで」という表現についても説明が必要です。例えばコミュニケーション支援のためにBCIを使う場合、デコーディングがシステムの目標を達成するのに十分な速さで行われなければなりません。ここでいうリアルタイムとは、工学的な定義における意味、すなわち「定められた応答時間内に処理が完了すること」です。即時である必要はなく、十分な速さであればよいのです。
そして脳とBCIという二つのシステムは接続されていますから、フィードバックが非常に重要になります。フィードバックは学習全般において本質的なものです。自転車の乗り方を学んだときのことを思い出してください。試して、失敗して、調整して——というサイクルで脳は学んでいきます。また、自転車に乗れるようになるまでに30分ではなく、かなり長い時間がかかったはずです。それが脳の働くスケール感です。
ここから、もう一つの重大な課題が生まれます。それが脳と機械の「共適応（co-adaptation）」です。学習によって脳は変化します。新しいシナプス、つまり新しい接続が脳内に形成され、数分前や前日と比べてまったく異なるパターンが生じることがあります。一方でAIも非常に高度であり、適応することができます。脳という知的システムと、AIという知的システム、この二つが互いを理解しようとする——これが現在の主要な課題の一つです。
この閉ループシステムをリアルタイムで機能させ、AIと機械学習を用いて脳内の非常に特定のパターンをデコーディングする。次のセクションでは、これが実際にどのような応用につながっているかを見ていきます。
3. 運動機能の復元とリハビリテーションへの応用
3-1. 脊髄損傷患者への機能的電気刺激との組み合わせ
Speaker： BCIは歴史的に、身体障害を持つ方々のために開発されてきました。他のコミュニケーション手段や人とコンピュータのインタラクション手段がまったく機能しない方々です。脳そのものは損傷を受けていないため、脳活動にアクセスしてその活動をデコーディングし、発話の回復や運動機能の復元に活用することができます。この分野では近年、メディアでも大きく取り上げられるほどの著しい進展がありました。
私自身が関わってきた研究の軌跡をご紹介します。私が博士課程を始めたのは2001年のことです。当時から約20年にわたって、この分野がどのように進化してきたかをお伝えしたいと思います。
動画でご覧いただいた映像では、電気刺激が使われていることがわかります。この事例では、運動の「意図」——より正確には運動の「イメージ」——を用いています。実際に動かすという思考ではなく、たとえば右手の動作や足の動きを「想像する」というものです。これは個々の指を区別するような細かいものではなく、手足の大まかな動きという広いカテゴリーでの識別です。そのイメージを脳波から正常にデコーディングし、機能的電気刺激（FES）を使いました。FESとは神経細胞に電流を注入することで筋肉を収縮させる技術です。これによってグラスを持つといった動作の再現に成功しました。
ここで特筆すべきは訓練にかかった時間です。このBCIで一定のパフォーマンスを発揮できるようになるまでに、この患者さんには約6か月の訓練が必要でした。長いと感じるかもしれません。しかし実はグラスを持てるほどに筋肉を鍛えるためには、さらに9か月から12か月を要しました。怪我をした方が元の状態に戻りたいと願うのは当然のことですが、現時点ではそれがどのくらいの時間を要するのか、正直に伝える必要があります。
AIの観点からこの課題を整理すると、AIがすべきことは脳のパターンを検出し、それを「手を開く・閉じる」といったコマンドに変換することです。ただし脳はパターンを生成し続けなければならず、かつそのパターンは変化し続けます。だからこそAIはパターンを追跡し続ける必要があり、その安定したパターンを確立するために6か月という訓練期間が必要になるのです。
3-2. 脳卒中患者における神経可塑性の誘導
Speaker： 次に紹介するのは現在進行中の研究で、おそらく後半のワークショップでも詳しく取り上げられるテーマです。脳卒中患者への神経リハビリテーションへの応用です。脳卒中では脳にダメージが生じ、一部の領域が本来の機能を果たせなくなります。このケースでもクリニックで行うのは「動こうとする意図」のデコーディングです。そしてAIとロボティクス、機能的電気刺激を組み合わせてフィードバックループを閉じます。フィードバックループは学習において非常に重要であり、フィードバックなしには学習は成立しません。脳も同様です。
ただし、先ほどの脊髄損傷のケースとは状況が異なります。脳卒中では脳組織そのものがダメージを受けているため、計測されるパターンは正常な脳とは異なる様相を示します。しかもどのように異なるのかは、損傷した脳組織の状態によって一様ではありません。信号のばらつきも非常に大きく、「浮動している」と表現できるような状態です。
このケースでAIに求められる役割は、単にデコーディングをすることではありません。ユーザーの脳、つまり損傷を受けた脳が機能的に意味のある方向へ発達するよう「導く」ことです。これを神経可塑性の誘導と呼びます。目標は機能的な運動の回復であり、そのためにAIはフィードバックを通じて脳の再編成を促します。デコーディングは手段の一部に過ぎず、神経可塑性を正しい方向へ誘導することこそがこのアプリケーションの本質的な目標です。
4. コミュニケーション支援・認知・メンタルヘルスへの応用
4-1. 脳性麻痺ユーザーとのゲームインターフェース実験
Speaker： BCIの応用はリハビリテーションにとどまりません。次にご紹介するのは、市販のコンピュータゲームとBCIをインターフェースした事例です。このケースでは、AIが異なる運動イメージ——具体的には運動の想像——をデコーディング・追跡し、それをコマンドに変換することに成功しました。しかし市販のゲームとの直接的な通信はいまだ非常に難しいため、AIを活用してゲームとのインテリジェントなインターフェース層を構築するというアプローチも同時に用いました。
この技術が実際にどれほど大きな意味を持つかを示す場面を映像でご覧いただきました。脳性麻痺を持つユーザーとその介護者が、一緒に三目並べ（tic tac toe）をプレイしているものです。ユーザーは長年にわたってインタラクティブなやり取りができない状態にあり、この日が初めて介護者と対話的なゲームを楽しめた瞬間でした。お二人が本当に楽しそうにしている様子が印象的です。
技術的な観点で強調したいのは訓練時間の進化です。非侵襲型BCIはどうしても動作が遅く、安定したパフォーマンスには長期間の訓練を要します。しかしこの映像は、わずか20分の訓練後に撮影されたものです。「20分で十分なのか」と思われるかもしれません。継続的な高パフォーマンスという意味ではまだ十分ではありません。しかし、ある程度の会話やインタラクションを実現するという意味では、十分に機能しています。
特に重要なのは、速度よりも信頼性と堅牢性が優先される場面があるという点です。例えば事故に遭って集中治療室に運ばれ、生死に関わる意思決定が必要な状況を想像してください。そのような場面では、素早さよりも確実に意思を伝えられることの方がはるかに重要です。BCIはそのような状況においてこそ、真に人の命に関わる役割を果たし得るのです。
4-2. 数学不安の検出・VR・ブレイン・トゥ・ブレイン通信
Speaker： BCIの応用範囲はさらに広がります。認知やメンタルヘルスの領域でも、BCIは精神状態のモニタリングに活用できます。現在私たちが取り組んでいる一例が、数学不安（mathematics anxiety）の研究です。数学に対して強い不安を感じる人は非常に多くいます。そこで、学習中の精神状態をリアルタイムに検出し、学習者がフロー状態——すなわち集中と没入が最適に保たれた状態——を維持できるように支援するシステムを構築できないかと考えています。
さらに想像力の赴くままに応用範囲を広げれば、没入型バーチャルリアリティ（VR）との組み合わせも考えられます。BCIによって脳状態を検出しながらVR体験を動的に制御するような応用です。
そしてもう一つ、ブレイン・トゥ・ブレイン通信という非常に興味深い可能性もあります。あるユーザーの脳内の特定のパターンをデコーディングし、それを別のユーザーへ送信するという概念です。これはまさに脳と脳が直接つながるという、BCIの応用として最も先進的な方向性の一つです。これらはBCI技術が将来どれほど多様な可能性を持っているかを示す一端に過ぎません。
5. BCIの現状・倫理・将来展望
5-1. BCI学会の活動と学際的連携・倫理的課題
Speaker： 私はここに国際BCI学会の副会長という立場でも参加しています。この機会を借りて、できるだけ多くの方々にBCI学会についてお伝えしたいと思います。学会の目的は、人々が脳信号を通じて世界とインタラクションできるようにする技術の研究を推進することです。
この分野がいかに学際的であるかはおわかりいただけると思います。エンジニア、コンピュータサイエンティスト、医療専門家、そして今日もご登場いただくエンドユーザー——これらすべての人々が協働して初めてこの分野は前進できます。脳に直接インターフェースするという性質上、倫理的な問題はもちろん、法的な側面もすべて統合的に考慮しなければなりません。ご興味のある方はぜひご連絡ください。
5-2. 「思考を読む」ことへの正確な理解と現状認識
Speaker： この講演を通じて、BCIが私たちの「思考を読む」ことはできないという理解を持っていただけたなら幸いです。私たちが内側で経験しているような内的独白、つまり頭の中で言葉として流れている思考をそのまま読み取ることは、現時点のBCIには不可能です。BCIにできるのは、非常に特定のパターンをデコーディングし、そのパターンを時間をかけて追跡し続けることです。それによって、他の手段ではコミュニケーションが取れない方々に対して、再びコミュニケーションの手段を提供することができます。これが現在のBCIの本質的な価値です。
5-3. 合成生物学的知能との融合とBCIの民主化
Speaker： 将来を見据えたとき、私が最も注目しているのは合成生物学的知能（Synthetic Biological Intelligence）とBCIの融合です。合成生物学的知能とは、自然のニューロンを特定の動作をするように形成・訓練し、脳という自然な環境に統合できるようにしたものです。
一つの大きなビジョンとしてお伝えしたいのは、たとえば脳卒中を患った方への将来的な治療の可能性です。将来的には、頭蓋骨を開いてダメージを受けた脳の部位を取り除き、失われたニューロンを3Dバイオプリンティングで補完し、再び閉じる——そういったことが実現できるかもしれません。これはあくまでも私個人の大きなビジョンの一つですが、この分野がどこへ向かうかを示す方向性として提示したいと思います。もちろんこれは既存のBCI研究と競合するものではなく、あくまでも補完的な発展の方向性です。
最後に、BCIをより多くの人々に届けるための取り組みとして、教育的なデモアプリをご紹介します。私たちの学生が開発したバーチャルアプリで、脳信号を生成しながら様々な特徴を抽出・識別する体験ができるものです。QRコードからアクセスでき、フィードバックも送れるようになっています。AIの民主化が叫ばれるように、BCIもまた世界中の人々に広く届けられるべき技術だと考えています。その実現に向けて、引き続き取り組んでいきます。