※本記事は、Reinhold Scherer氏による講演「Mind over Machine: When AI Listens to Your Thoughts」の内容を基に作成されています。講演の詳細情報は https://www.youtube.com/watch?v=uneBls0wrww でご覧いただけます。本記事では、講演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、オリジナルの講演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、英国エセックス大学のコンピュータ研究・電子工学部（CSEE）の学部長であり、国際BCI学会の副会長を務めています。本講演は、ITUがスイス政府と共同で開催し、50以上の国連パートナーと連携するグローバルプラットフォーム「AI for Good」において行われました。AI for Goodは、革新的なAI応用の特定、スキルと標準の構築、そしてグローバルな課題解決に向けたパートナーシップの推進を使命としています。
1. はじめに：登壇者紹介とBCIへの問いかけ
1-1. 登壇者の背景と本発表の目的
スピーカー： 皆さん、おはようございます。声は聞こえていますか？会場がかなり騒がしいので、もし聞こえなければ手を挙げてお知らせください。本日はこのセッションの口火を切る役を担えることを大変光栄に思います。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、スライドにあるように、私はいくつかの所属を持ち、いわば複数の「帽子」をかぶった立場でここに立っています。そのうちの一つが、国際BCI学会（International Brain Computer Interface Society）の副会長という役職です。そうした立場から、BCIとは何か、そして本カンファレンスのテーマであるAIがBCIにおいていかに重要な役割を果たしているかについて、簡潔にご紹介できればと思います。
1-2. BCIは思考を読めるか？——現状と限界を正しく理解するための問題提起
スピーカー： まだ朝早い時間ですが、少し問いかけをさせてください。この会場にいる皆さんの中で、BCIという言葉をすでに耳にしたことがある方はどのくらいいらっしゃいますか？……ありがとうございます。では次に、「BCIは私たちの思考を読み取ることができるのか」という問いを投げかけたいと思います。ただし、今すぐ答えを求めているわけではありません。この発表を通じて、BCIが現時点で「できること」と「できないこと」について、より深く理解し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、特に侵襲的な方法でインターフェースするということは、非常にプライベートな行為であり、プライバシーや倫理に関わる重大な問題を伴います。この発表とその後のパネルセッションを通じて、そうした問題も含めたBCIの実像を掴んでいただければ幸いです。
2. BCIの定義と脳活動計測の基礎
2-1. BCI学会による公式定義とその意味の解説
スピーカー： まずは定義から始めましょう。以下がBCI学会のメンバーによって策定された公式定義です。「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へと変換するシステムである。その目的は、脳の自然な出力を代替・回復・強化・補完・改善することにあり、それによって脳とその外部または内部環境との間の継続的な相互作用を変化させることである。さらに、脳への標的刺激を通じて脳活動を修正し、機能的に有用な入力を生成することも含まれる」。
かなりの情報量ですね。今日はこの定義を一つひとつ噛み砕いてご説明することで、BCIが何を意味するのかをしっかりと理解していただきたいと思います。
2-2. ニューロンと生体電気信号——脳が情報を処理・伝達する仕組み
スピーカー： 定義の中でまず触れられているのが「脳活動を計測する」という部分です。脳とは、ニューロンと呼ばれる特殊な細胞が数十億個も集まって形成された、美しいネットワーク構造体です。ニューロンが特殊である理由は、情報を処理するだけでなく、情報を伝達できるという点にあります。そして個々のニューロンは、何万もの他のニューロンと接続しており、非常に複雑なネットワークを形成しています。この情報処理は、脳内を流れる生体電気信号によって行われています。つまり、脳の中では電気的な電流が流れており、私たちはその電流を計測することができます。
2-3. 侵襲的計測と非侵襲的計測の違い、および「思考を読む」ことへの根本的制約
スピーカー： 脳活動の計測方法には大きく二つのアプローチがあります。一つ目は、センサーをニューロンの近くに埋め込む侵襲的な方法です。この場合、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。二つ目は、頭皮の上から脳活動を計測する非侵襲的な方法であり、私が今日より詳しくお話しする手法です。頭皮上から計測する場合、脳内で何が起きているかについての「視界」は、侵襲的手法と比べて非常にぼやけたものになります。個々のニューロンの活動を捉えることはできず、数百万ものニューロンの活動が重ね合わさった、いわば平均的な信号しか得られません。これを「思考を読む」という文脈に置き換えて考えると、BCIが思考の読み取りに対してなぜ根本的な制約を持つのか、少しご理解いただけるのではないでしょうか。そしてその計測した信号を「変換する」プロセス、まさにここにAI・機械学習・パターン認識が深く関わってくるのです。
3. AIと機械学習の役割、および脳信号特有の困難
3-1. メカニズムモデルが未整備ゆえの統計的パターン認識——AIが担う変換処理
スピーカー： 先ほど「脳活動を変換する」という定義の箇所に触れましたが、まさにここにAIと機械学習、そしてパターン認識が深く関わってきます。私たちは脳についてすでに多くのことを知っていますが、それでもまだ解明されていないことのほうがはるかに多い。そのため、脳の働き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、現時点では存在しません。ではどうするかというと、脳信号の統計的な性質を利用します。信号の中に潜むパターンを計測し、そのパターンの統計的性質をさまざまな技術・手法を用いて記述する。そして機械が、その事例から学習する——これが現在私たちの取っているアプローチです。
3-2. 個人差と非定常性——脳信号が持つ2つの本質的課題
スピーカー： しかしここには大きな課題が二つあります。一つ目は、脳のパターンが非常に個人化されているという点です。私はこの「individual（個人固有）」という言葉が好きなのですが、私たちは脳信号という意味において本当に唯一無二の存在なのです。同じ人間でも、他の誰とも異なる固有のパターンを持っています。二つ目の課題は、脳信号が「非定常（non-stationary）」であるという性質です。これはどういうことかというと、計測される信号の統計的性質が時間の経過とともに変化するということです。脳そのものが変化するわけではありませんが、私たちが計測する信号は変わっていきます。この変化は数時間という短いスパンでも起こりますし、より長い期間にわたっても生じます。こうした性質があるため、あるセットアップで得られたモデルを多くの別の人々にそのまま適用することは、現時点では非常に難しい状況にあります。
3-3. リアルタイム処理・フィードバックループ・脳と機械の共適応
スピーカー： 定義には「ほぼリアルタイムで」という言葉もあります。たとえばコミュニケーション支援のためにBCIを使う場合、このデコード処理はシステムの目的を果たすのに十分な速さで行われなければなりません。ここで言う「リアルタイム」とは工学的な定義であり、「即時」である必要はなく、「十分に速い」ということです。目的に応じた応答時間が定義されており、それを満たすことが求められます。
そしてフィードバックの話をしなければなりません。脳とBCIという二つのシステムが接続されている以上、フィードバックはBCIシステムにとって非常に重要な要素です。これは学習一般においても同じですね。たとえば自転車に乗ること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、調整する——脳はこうやって学習します。そして自転車に乗れるようになるまでに、半時間ではなくかなりの時間がかかったはずです。これが私たちの脳が機能するタイムスケールです。
これが、二つ目の大きな課題——脳と機械の「共適応（co-adaptation）」——につながります。脳は学習によって変化します。新たなシナプス、すなわち新たな接続が形成され、それによって数分前や前日とはまったく異なるパターンが生まれることもあります。一方で、AIもまた高度に知的であり、適応する能力を持っています。つまり私たちは今、二つの知的なシステムが互いに理解し合おうとしているという状況に直面しているのです。BCIは閉ループシステムとしてリアルタイムで動作し、AIが脳内の非常に特定のパターンをデコードする。しかしその「パターン」自体が学習や時間の経過によって変わっていく——これが今日の発表で私が特に焦点を当てたい、中心的な課題です。
4. BCIの応用事例
4-1. 【臨床実験】運動機能回復：脊髄損傷患者への機能的電気刺激（20年の研究軌跡）
スピーカー： BCIは歴史的に、他のいかなるコミュニケーション手段や人間とコンピュータの接触手段も使えない、身体に障害を持つ方々のために開発されてきました。脳そのものは機能している場合、脳活動にアクセスしてその活動をデコードし、発話機能や運動機能を回復させることができます。近年この分野では大きなメディア報道もあり、ここ数年で研究が急速に進んでいます。私自身、2001年に博士課程を開始したころから関わってきた運動機能回復の研究は、およそ20年にわたる軌跡を持ちます。
具体的にどのようなことが行われているかをご説明します。この研究では、患者が「動きのイメージ」、すなわち運動の想像を行います。実際に動かすのではなく、たとえば右手を動かす、あるいは足を動かすといった動きを「想像」するのです。ただしここで重要なのは、個々の指を別々にイメージするといった細かい粒度ではなく、「手足の動き全体」という非常に大まかなカテゴリの想像であるという点です。このイメージに対応する脳信号をAIがデコードし、機能的電気刺激（Functional Electrical Stimulation）、すなわち神経細胞に電流を与えて筋肉を収縮させる技術に変換します。これによって、たとえばグラスを掴む動作が実現されました。
ここで注目すべき定量的な事実があります。この患者がBCIで十分なパフォーマンスを発揮できるようになるまでに、約6ヶ月ものトレーニングを要しました。長いと感じるかもしれませんが、実はその後、グラスを実際に把持できるだけの筋力を取り戻すまでに、さらに9ヶ月から12ヶ月がかかっています。怪我をした人が以前の状態に戻りたいと思うのは当然ですが、現実にはこれだけの時間がかかる。これが現状です。AIにとっての課題という観点から言えば、脳が「手を開く・閉じる」というパターンを安定して生成できるように、そのパターンを継続的に追跡し続けることが求められます。パターンは変化しますから、その変化を追いながら安定した制御を実現するために、この6ヶ月という長いトレーニング期間が必要になるのです。
4-2. 【臨床経験】脳卒中リハビリ：ニューロプラスティシティをAIで誘導する
スピーカー： 現在進行中の研究として、脳卒中患者のリハビリへのBCI応用があります。後のワークショップでも詳しく紹介される予定ですが、ここでも少し触れておきます。脳卒中では脳組織が損傷を受け、脳の一部が意図した通りに機能しなくなります。このケースでは、クリニックにおいて患者の「動こうとする意図」をデコードし、AIとロボティクス、そして機能的電気刺激を組み合わせることで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が学習において不可欠であることは先ほど申し上げた通りですが、脳においても全く同じことが言えます。
ただし、脳卒中のケースでは脊髄損傷とは異なる難しさがあります。脳組織が損傷しているため、信号のパターン自体が通常とは異なる形をしています。そのためAIの役割は単なるデコードにとどまらず、脳が機能的に意味のある方向へと発達・再編されるよう誘導することが求められます。信号の変動性は非常に高く、あらゆるものが揺れ動いている状態です。損傷した脳組織がどのような状態にあるかは必ずしも正確にはわからないため、AIによってニューロプラスティシティ——脳の可塑性——を促し、最終的に機能的な運動が回復されることを目指します。デコードが目的の一部であることは変わりませんが、それ以上に「脳の再編を正しい方向に導く」ことがこの応用における核心です。
4-3. 【実験・社会的インパクト】脳性麻痺ユーザーによるゲーム操作と技術進歩の証明
スピーカー： 次に、市販のコンピュータゲームとBCIを接続した事例をご紹介します。この研究では、AIが複数の運動イメージ——さまざまな動きの想像——をデコードし、ゲームのコマンドに変換することを試みました。しかし、脳とゲームを直接接続することはまだ非常に難しい段階にあるため、AIを用いたインテリジェントなインターフェース層を別途構築し、ゲームとの橋渡し役として機能させました。
この技術を使ったのは、脳性麻痺を持つユーザーです。そのユーザーと介護者が初めて一緒に三目並べ（tic-tac-toe）をプレイしている映像があります。長い期間、ユーザーは誰かと本当の意味でインタラクションし、関わり合うことができなかった。しかしこの技術によって、二人は本当に楽しそうにゲームをしています。
この映像で特に強調したい事実があります。それは、この映像がわずか20分のトレーニングの後に撮影されたものだということです。かつては数ヶ月から数年にわたるトレーニングが必要だったBCIが、今や30分から1時間程度で何か意味のあることを実現できるところまで進歩しました。もちろん、これが継続的なパフォーマンスとして十分かどうかはまだ議論の余地があります。しかし、たとえば事故に遭い集中治療室にいるような状況で、生死に関わる意思決定を下さなければならないとき、私たちが必要とするのは「速さ」よりも「信頼性」と「堅牢性」です。その観点から見れば、20分で会話ができ、意思を伝えられるというこの技術の進歩は、非侵襲的なBCIでありながら、ユーザーにとって大きなインパクトをもたらすものだと言えます。
4-4. 【進行中研究・仮説】認知・メンタルヘルス応用、VR統合、ブレイン・トゥ・ブレイン通信
スピーカー： BCIの応用はここにとどまりません。私たちが現在取り組んでいる領域の一つが、認知やメンタルヘルスへの応用です。たとえば「数学不安（Mathematics Anxiety）」を抱える人は非常に多くいます。BCIを使って学習者の精神状態をリアルタイムで監視し、その人を「フロー状態」に保ちながら学習を支援するシステムを開発できないか——これが私たちが現在模索している一つの方向性です。
さらに想像力の赴くままに考えれば、没入型バーチャルリアリティ（VR）との統合や、「ブレイン・トゥ・ブレイン通信」といった応用も考えられます。後者は、あるユーザーの脳内で生じた特定のパターンをデコードし、それを別のユーザーに送信するというものです。今日ご紹介したのは応用の幅のほんの一端に過ぎず、BCIの可能性は私たちの想像力によってのみ限界が定められると言っても過言ではありません。
5. BCI学会の使命、倫理・法的課題、学際的協力の必要性
5-1. 学会の目的と対象分野
スピーカー： 私はこの機会を借りて、国際BCI学会についてご紹介させてください。学会の目的は、「人々が脳信号を通じて世界と相互作用できるようにする技術」につながる研究を促進することです。先ほどご紹介してきたような応用事例が示す通り、BCIはさまざまな形で人々の生活に関わる可能性を持っています。この学会は、そうした研究の発展を組織的に支えるための場です。ご興味をお持ちの方は、ぜひご連絡いただければと思います。
5-2. 工学・医療・エンドユーザーが協働する理由と倫理・法的統合の重要性
スピーカー： BCIという領域が他の多くの技術分野と根本的に異なるのは、その学際性の深さにあります。エンジニアや計算機科学者はもちろんのこと、医療の専門家、そして今日の発表でも触れてきたようにエンドユーザー自身も、研究の中心的な存在として位置づけられます。これらの異なる専門分野が協力し合い、真に前進するためには、縦割りではなく横断的な連携が欠かせません。
そして、脳に直接インターフェースするという行為の特殊性を考えると、倫理的・法的な側面を研究の最初から組み込んでおくことが不可欠です。これは技術開発が一段落してから後付けで考えるべきものではなく、研究プロセス全体に統合されなければなりません。脳へのアクセスは非常に親密な行為であり、プライバシーや同意、データの扱い、そして法的責任の所在など、多岐にわたる問題が伴います。BCI学会では、こうした技術的な側面だけでなく、倫理・法的な枠組みも含めて議論し、領域全体として責任ある形で発展していくことを目指しています。
6. BCIの未来ビジョンとまとめ
6-1. 【将来仮説】合成生物学的知性との融合——3Dプリントニューロンによる脳補填
スピーカー： このカンファレンスは未来を見据えた場ですので、私が考えるBCIの未来についてもお話しして締めくくりたいと思います。私が最も注目しているのは、「合成生物学的知性（Synthetic Biological Intelligence）」とBCIを組み合わせるという方向性です。合成生物学的知性とは何かというと、自然のニューロン——つまり生体由来の神経細胞——を体外で培養し、特定の動作をするように形成・訓練したうえで、脳という本来の生物学的環境に統合するというものです。
具体的なビジョンとして申し上げると、たとえば脳卒中によって脳の一部が損傷した場合、将来的には次のようなことが可能になるかもしれません。頭蓋骨を開き、損傷した脳の部分を取り除き、失われたニューロンを3Dプリントで補填し、再び閉じる——以上で完了、というものです。もちろんこれは現時点での夢であり、私個人の大きなビジョンの一つです。そして重要なのは、このアプローチはこれまでお話ししてきた技術と競合するものではなく、あくまでも「付加的な」方向性だということです。既存の研究や技術の上に積み重なるものとして位置づけています。
6-2. 現時点でのBCIの到達点の再確認と教育リソースの紹介・民主化への展望
スピーカー： 最後に、この発表全体を通じてお伝えしたかったことを改めて整理します。BCIは、私たちが日常的に経験するような「内語」や「思考の流れ」をそのまま読み取ることは、現時点ではできません。しかし、非常に特定のパターンをデコードし、そのパターンを時間をかけて追跡し続けることで、他に手段を持たない人々にとってのコミュニケーションを再び可能にすることはできます。この違いを正しく理解していただけたなら、この発表の目的は達成されたと言えます。
最後に、BCIをより多くの人に知っていただくためのリソースをご紹介します。スライドにQRコードを掲載していますが、これは私たちの学生の一人が開発した簡易的なウェブアプリです。仮想的に脳信号を生成し、その中からさまざまな特徴を識別・抽出することを体験できるインタラクティブなシステムです。フィードバック機能も備えており、多くの方にとって教育的なツールになることを願っています。AIの民主化が叫ばれているように、BCIへのアクセスを世界中に広げていくこと——それが私たちの目指す姿です。ご清聴ありがとうございました。