今日まで知らないを明日知るために

「 したたかな生命 」もう１０年くらい前に出た本ですが、読んでみました。基本的な生命科学の考え方・生命の捉え方として近年の潮流とも言える「システムバイオロジー」という分野があります。 著者の北野宏明氏は「システムバイオロジー」の第一人者。生命をシステムとして捉えることで、見えてくるロバストネスが本書のテーマ。 ロバストネスとは、、 「頑強性」なんて訳されたりもしますが、頑なに強いという訳語はちょっと不適切。 ただ「強い」のではなく、「したたか」。 固いものは、壊れにくいようでいて案外脆い。石の建築物は１０００年もつかもしれないが、地震にはきっと耐えられない（根拠はないです…）。法隆寺の五重塔のような、力をいなし、受け流すような、柔よく剛を制す、「ロバストネス」とはそんなイメージでしょうか。 どんなシステム（建物のようなハードウェアでもソフトウェアでも）も、なにかにロバストであれば、どこかに弱点「フラジリティ」ができるそうです。そんなロバストネスとフラジリティのトレードオフは避けれられない。制御工学の考え方から、生命を捉えなおすのが「システムバイオロジー」の考え方です。 DNAの発見に始まる、２０世紀後半のバイオロジーの飛躍はめざましいものがあったでしょう。生命を形作る、様々な部品（タンパク質など）が明らかにされ、生命とは何たるかがつまびらかになった、かに思われました。しかし、いくら部品がわかっても、生命を理解したことにはなりませんでした。部品であるタンパク質を集めてひとつの袋に入れたところで、それは生命ではありません。そこで、さまざまなタンパク質が織りなす生命の持つ動的な（ダイナミックな）振る舞い（つまり、生きているという状態？）をシステムとして扱う「システムバイオロジー」の登場とあいなるわけです。 本書の冒頭でも、自動車を例にシステムとしての理解とはどういうものか、詳解しています。 理解のレベルには４つ（「システム構造理解」、「システムダイナミクス理解」、「システム制御理解」、「システム設計理解」）あります。前の二つは、ありのままを受け入れる受け身の理解。それに対して、後の二つは能動的に関わる理解です。 自動車でいうと、図面を見てエンジンや車体がどうしてそのような設計になっているのか理解するのが、「システム構造理解」です。そして、実...

科学読み物、小説ばかりでなくてこういうものも読んでいる。読んでいるというか、プログラミングのスキルアップのときの教科書や辞書的な使い方として、オライリージャパンの書籍はよく利用しているのだが、今回読んだものは、昨今注目の的であるディープラーニングの理論をおおざっぱに理解する上で非常にためになったので、ここで取り上げた。 本書は、Pythonを使いながら、Deep Learningを実装し、その理論を学ぶことを目的としている。Deep Learningを学ぼうという人であればもちろん、Pythonという言語のことはご存じだろう。本書はPython初学者のみならず、プログラミングに馴れていない方でも十分にキャッチアップできる内容だと思う（個人的な感想です。Python入門に1章分紙面が割かれている）。 また、実装をすることでDeep Learningの理論の理解がより一層進むのは確実だが、Deep Learningの基本的な理論を知りたいだけであれば、各章のおおむね前半部分にて記載された、アルゴリズムや数学的背景を追うだけでも十分だと感じた。 実装、理論の理解いずれの目的にしても、初学者でも手に取りやすい入門書である一歩言うで、物足りなさも多少は覚えるが、入口としては適した一冊だろう。今後のためにと、Deep Learningの基本理論について本書の流れに沿って用語解説の形で以下にまとめた。 パーセプトロン： アルゴリズムの一つ。複数の信号を入力として受け取り、一つの信号を出力する。ノード（ニューロンとも呼ばれる）とそれらを結ぶエッジによって構成される。各エッジには 「重み」 が、ノードには 「バイアス」 （出力をするかどうかのしきい値）がパラメータとして設定でき、パラメータによってANDやORゲートといた論理回路を構成できる。さらに、それらの組み合わせ（例えば、二層にすることでXORゲートが可能）によってより複雑な判別も可能となる。 ニューラルネットワーク： 入力層、中間層、出力層で構成される多層のパーセプトロンであるが、出力の決定にパーセプトロンのように定数のバイアスを用いるのではなく、 活性化関数 を用いる。正確には、パーセプトロン（もしくは単純パーセプトロン）では活性化関数に「ステップ関数」を採用していると言え、ニューラルネットワークでは、...

今月のサイエンス誌のニュース記事はAIだらけだった。そのなかの一つ「The AI detectives(AIの探偵)」はAIの発展とその問題点について触れている( Paul Voosen, Science  07 Jul 2017 )。 最近のAIの発展の背景には、深層学習(Deep Learning)という機械学習の手法がある。 機械学習というのは、AIの根底にある技術のことで、人間が学習によって培う判断をコンピュータにさせるための手法一般のことだ。 そして深層学習では、多層構造のニューラルネットワークというものを用いた機械学習手法の一つだ。 人間の大脳の情報処理構造を参考に、情報の受け渡しをおこなう多数のニューロンによって構成されたネットワークをコンピュータ上に設計することで、高度な機械学習が実現されている。 ここで機械学習について概説したい。例えば、画像からイヌとネコを判別するようなシステムについて考えてみよう。 イヌが映っている写真、ネコが移っている写真、このような画像データの一つ一つにラベル（「イヌ」、「ネコ」というふうに）をつけたリストを機械学習のシステムに与える。するとシステムは、画像の特徴を分析し、「イヌ」の概念、「ネコ」の概念のようなものが形成される（判別器という）。すると、新しく画像を与えたときには、形成された判別器にしたがって、それが「イヌ」なのか、「ネコ」なのか判別できるというわけだ。判別の質は、与えたデータ量に依存することとなる。 もちろん、イヌとネコを見分けるだけでなく、このサイエンス誌の記事内で触れられているように、シマウマ、消防車、シートベルトなどありとあらゆる画像データを与えることで、様々な物体を認識できるように訓練できる。 ここで、個々のニューロンにクローズアップして、そのニューロンが何に反応するのか、確認してみよう。すると、あるニューロンはどうやら「顔の輪郭」に反応するようになったことが分かる。どんなサイズでどんな色であっても（おそらく人間の顔じゃなくても？）、顔らしき輪郭をとらえれば、そのニューロンは反応するのだ。 しかし、不思議なことに、誰も「顔」を認識するようにこのシステムを訓練していないのだ。「人間」というラベルづけさえ行っていないという。 にもかかわらず、この判別機は「顔」の概念...

前の投稿に引き続き、基本をおさらい。 脳波でも筋電でも、はかるものは電位差（電圧つまり単位はV（ボルト））だ。 生体内の神経細胞が発する電位差は非常に小さい！ 脳波なら、数十マイクロボルト。 筋電は発揮している力によるけれど、数百マイクロボルト程度である。 そんな微弱な信号を計測するために、脳波（筋電）計がある！ 皮膚上に貼付した電極間の電位差を、アンプによって増幅し、サンプリングする機器だ。 計測工学の超基礎だけれど、アンプには入力インピーダンスというものがある。 基本的には、入力インピーダンスは高いほど良い！とされている。 さて、入力インピーダンスってなんだろう？ インピーダンス、日本語で言うと抵抗のことである。単位はΩ（オーム）だ。 脳波計測のときにはよく、「インピーダンス（抵抗）を落としましょう」と言ったりする。インピーダンスを落とさないと、ノイズが大きくちゃんと脳波を計測できない。 このインピーダンスは、正確には「接触インピーダンス」という。 入力インピーダンス、そして接触インピーダンス。 それぞれいったいどんな抵抗なんだろう？ 抵抗はギザギザで書く派です（笑） この回路は、電極を設置した頭皮上を簡略化したものと思ってほしい。 接触インピーダンス（Zs）とは、皮膚の角質などの組織の持っている抵抗値を示している。一方で、入力インピーダンス(Zi)は脳波計内部にある抵抗だ。 知りたい脳波（電位差）はEとする。そして、アンプに入る電位差はVである。理想は、V＝Eとなることだ。しかし、接触インピーダンスがそれを許してくれない。 この回路から、導かれるVは式の通りとなる（分圧の法則だ！）。 この式が意味するところを考えよう。 もし、接触インピーダンスと入力インピーダンスが同じだったら、V=E/2となってしまう。つまり、計測できる電圧は半減することとなる。Zi/(Zs+Zi)を1に近づけることが出来れば、VはEに近づく。そのためには、Ziを大きく（高いほど良い！とはこういうことか！）、Zsを小さくすることである。 入力インピーダンスはアンプの性能次第だ。 一方で接触インピーダンスは、計測するときに皮膚の角質を落としたりといった前処理によって、下げることができる。 ここから余談．．．...

最近、いろいろと基本をおさらいしていたので、ここでまとめておこうと思う。 人の脳活動を計測する手法はいろいろある。 非侵襲なものだと、fMRI、PET、EEG、MEG、NIRS… 侵襲的なものだと、ECoG、LFPなど fMRI、PET、NIRSというのは神経活動にともなう脳血流を見る手法で、 それ以外の手法は、神経の電気的な活動を直接計測している。 ここでは、EEG（頭皮脳波）などの神経の電気的な活動の測定法について考える。 細胞外記録とは 神経細胞は、シナプスを介して、他の神経細胞と連結している。 神経活動といっているのは、神経の発火や膜電位の変化のことだけど、 もちろん、神経細胞に電極を刺して計る（細胞内記録）のように、膜電位を直接記録することは生体ではできない。人を対象とした計測で用いる手法は程度差こそあれ、細胞外記録になる。 ECoG、 LFP 脳表に設置した電極から計測するECoG（皮質脳波）や、脳に刺入した電極から計測するLFP（局所フィールド電位）は、局所的ではあるものの時間分解能も空間分解能も高い信号が得られる。 しかし、てんかんやパーキンソン病などの治療のために、電極を外科手術によって留置した患者さんの協力を得られない限り、計測はできない。 EEG そこで、一般健常者でも患者さんでも、安価（比較的に！）な設備で神経活動を測定できる手法はEEG（頭皮脳波、Electroencephalogram）である。 EEGは頭皮に電極を貼付し、その電極から微弱な電位変化を記録する手法だ。 どれくらい微弱かというと、せいぜい数十マイクロボルト程度。商用の交流電源は１００Vなので、だいたいそれの1000万分の1だ。 というのも、脳とEEG電極は、頭皮、頭蓋、髄膜などの組織によって隔てられている。 EEGによる神経活動の計測は、 例えるなら、東京ドームの外から観客の拍手や歓声を聞くようなものだ。 個々の観客がばらばらに手を叩いても、外からはわからない。 ホームランでも打てば、観客は一斉に歓声をあげるので、外からもわかるだろう。 観客（神経細胞）が一斉に叫べば、外の人（脳波計測）にも聞こえる これはつまり、神経が一斉に（同期して）発火すれば、EEGでも計測できるということだ。 正確に...

アンドロイド研究の第一人者、石黒浩教授の著書「アンドロイドは人間になれるか」 石黒教授の研究室では、ヒト型ロボット、アンドロイドの開発をおこなっています。 美しい容姿のアンドロイド、コミュニケーションのためのヒト型ロボット、落語をする米朝ロイドやマツコ・デラックスとうり二つのマツコロイドなどなど．．． まずは、用語を整理しようと思います。 本書によると 　「ロボット」は、見かけからして機械然としているものである。コンピュータにセンサとアクチュエータ（駆動装置）がついていれば、なんでもロポットだ。 　対して「アンドロイド」は見かけが人間そっくり、ただし中身は機械の「人間酷似型」のもの（見かけだけだと、人間かどうか区別つきにくいもの）を指す。 　その中間のようなものが、「ヒューマノイド」だ。手足がある、顔があるといった、擬人化しやすい「人間もどき」、それなりに人間っぽいものを指す。たとえばドラえもんはヒューマノイドではあるが、アンドロイドではない。 〜ちなみに、本書には登場しないが、人間がベースで機械が加わったものは、サイボーグ。人工内耳など、機能代替の装具は広義の意味ではサイボーグといってもいいかもしれない。〜 人間に酷似したロボットを作ることは、人間について考えることでもある。 著者は最初、「ヒトの気持ちを考える」ために、人工知能の研究をしていたそうです。 しかし、脳の神経回路を研究して、それを模倣しようとしても、いっこうに「人の気持ち」はわからない。 それは、「からだ」がないからだ。 図らずも、つまらないだじゃれになってしまいましたが、 脳しかない人間は、賢くなりえないのだ。体がなければ何も「経験」ができず、経験がなければ過去の出来事を次の行為にフィードバックすることができない。  人は、目で見て、耳で聞いて、指で触れて、、五感を通して情報を得ることで賢くなる。 わたしも、人の脳について研究しているけれど、からだはとても重要。もちろん、脳がからだを制御しているのですけれど、からだからの感覚情報のフィードバックが脳に変化をもたらしてもいます。からだからのフィードバックがなければ、脳は機能を保つことが出来ません。 生物は、生存競争のなかで、環境に適応する力を身につけてきました。それは、世代を介して「進化...

ニコンミュージアムは品川駅の港南口出て５分ほど、インターシティ内にある。 今年2017年でニコンは創立100周年を迎えるそうな。それを記念して作られたのがこのミュージアムということで、まだ出来たばかり。ニコンの歴史とカメラの仕組みなどが学べる施設で、入場はなんと無料だ。 ニコンミュージアム入り口 そして、創立100周年を記念した企画展「植村直己　極地の撮影術」が開催されている。 ご存知、植村直己は日本を代表する冒険家で、日本人初のエベレスト登頂や犬ぞり単独行による北極点到達などを成し遂げており、多くの貴重な写真を撮影している。 厳しい北極の寒さや犬ぞりの振動によって、既製品のカメラは壊れてしまう。使い物にならなくなったカメラを犬たちに引かせることを植村直己さんは申し訳なく感じたそうだ。そこで植村直己の冒険に耐えうるカメラとして開発されたのが、「ニコンF2チタンウエムラスペシャル」だ。この企画展では、カメラの現物と撮影された写真、カメラ用の防寒ケース、グローブ、犬ぞりなどなど冒険を共にした貴重な品物が展示されている。 館内は展示品によっては撮影可能 犬ぞり！ 企画展以外には、これまで発売されてきた数々のカメラが展示されていたり。 カメラだけでなく、顕微鏡を始めとする研究や医療向けの計測装置など、ニコンの技術力の高さがうかがわれ、カメラメーカーではないニコンを知ることもできた。 ほかにも子供向けに、レンズの仕組みを学べたり、絞りやシャッタースピードを変えた時の写真の違いを体験できるコーナーもあった。 ミュージアムショップも、小規模ながら充実していた。なぜかニコンようかんが売られていたが、なぜようかんなのだろうか…

中国ベンチャー（iCarbonX）が人工知能（AI）を使ったヘルスケアアプリを今月5日に発表したそうです。 出典はネイチャーのニュース （ http://www.nature.com/news/chinese-ai-company-plans-to-mine-health-data-faster-than-rivals-1.21258 ） アプリの性能とか未知数ですし、今後の発展次第な感はありますが、先越されたなぁー なんてね。 割と誰でも思いつくことだし、既に活動量計の情報を使って～とか、食事を記録して～、健康管理をするアプリは数多存在している。しかし、既存のアプリはあくまでデータを可視化（グラフ化等）し、提示するに過ぎなかった（「摂取カロリーが増えてるから控えましょう」みたいな）。 しかし、このアプリではデータをAIによって分析し、発症のリスクを教えてくれるというコンセプトである。 ちょっと前まではゲノム至上主義？的なブームがありました。個人のヒトゲノムが安価に解析できるようになり、ゲノム解析からの将来の発症リスクを教えてくれるサービスが注目されていました。 しかし、上述の記事の中でも書かれていますが、例えば心疾患の罹患率が１～２％の遺伝子を特定することにどれほどの意味があるのだろうか、と。 それよりも、さまざまな組織の生体分析をし、現状の健康状態を教えてくれるほうが実用的じゃないの？とそのように、iCarbonXの創設者であるJun Wang氏はおっしゃってるわけだ。 つまりは、医師の代わりになるアプリといっても過言ではない。 この組織でこのタンパクが増えてたら、この疾患の疑いが～とか、体温、血圧もろもろのバイタルサインからAIが診断をくだしてくれるなんてことになるのだろう。（AIで医師国家試験を合格しよう、なんて試みもされてるし、将来的にはAIが診断なんて当たり前になるだろう。） とにかく情報が多ければ多いほど、AIは精確に診断できるようになるだろうから、ゲノムの情報と活動量計の情報も合わせたら精度は上がるだろう。将来的には診断だけでなく発症する前に予防も可能になるかもしれない。 そしたら、「ゲノム解析をしていて、生体分析を定期的にしていて、アプリを使っている人は、病気が重篤化する可能性が低いだろうから、保険料が安く...