[論文レビュー] The neuroconnectionist research programme

Adrien Doerig, Rowan P. Sommers+9 more|arXiv (Cornell University)|Sep 8, 2022

EEG and Brain-Computer Interfaces被引用数 24

ひとこと要約

論文は、人工ニューラルネットワークを Lakatos に触発された一貫した大規模な神経結合論研究プログラムとして捉えることを提案し、脳の計算について反証可能な理論を生成し、時間をかけて神経科学的仮説を検証する。

ABSTRACT

Artificial Neural Networks (ANNs) inspired by biology are beginning to be widely used to model behavioral and neural data, an approach we call neuroconnectionism. ANNs have been lauded as the current best models of information processing in the brain, but also criticized for failing to account for basic cognitive functions. We propose that arguing about the successes and failures of a restricted set of current ANNs is the wrong approach to assess the promise of neuroconnectionism. Instead, we take inspiration from the philosophy of science, and in particular from Lakatos, who showed that the core of scientific research programmes is often not directly falsifiable, but should be assessed by its capacity to generate novel insights. Following this view, we present neuroconnectionism as a cohesive large-scale research programme centered around ANNs as a computational language for expressing falsifiable theories about brain computation. We describe the core of the programme, the underlying computational framework and its tools for testing specific neuroscientific hypotheses. Taking a longitudinal view, we review past and present neuroconnectionist projects and their responses to challenges, and argue that the research programme is highly progressive, generating new and otherwise unreachable insights into the workings of the brain.

研究の動機と目的

• 限定的な ANN モデルの評価から、統一された、進行的な研究プログラムの評価へ移行を動機づける。
• 脳計算仮説を検証するための神経結合論の核概念、フレームワーク、ツールを定義する。
• 長期的で反復的な進歩が、個々のモデルの成功を超える新しい洞察をもたらすことができると主張する。
• 神経結合論を、認知と神経データのモデリングに対する科学的に厳格なアプローチとして位置づける。

提案手法

• ANN が脳計算について反証可能な理論を表現する統合的な計算フレームワークを提示する。
• プログラム内で特定の神経科学的仮説を検証するためのツールと手法を説明する。
• 即時のモデル性能を超えた進展を評価するために、長期的で Lakatos に触発された視点を採用する。

実験結果

リサーチクエスチョン

• RQ1 神経結合論研究プログラムの中核を構成するものは何か？
• RQ2 ANN は、反証可能な脳理論を表現・検証する計算言語としてどのように機能できるか？
• RQ3 科学の Lakatos 的観点は、時間をかけて神経結合論プロジェクトが生み出す進展と新規性を正当化できるか？
• RQ4 このプログラム内で神経科学的仮説を検証するのに必要なフレームワークとツールは何か？

主な発見

• 神経結合論的アプローチは、ANN の使用を、個別のモデルを超えた統一的で進行的な研究プログラムの一部として再定義する。
• Lakatos に触発された視点は、プログラムを、個々のモデルの即時の反証可能性よりも新しい洞察を生み出す能力で評価するのに役立つ。
• 論文は、神経結合論内で神経科学仮説を評価するために必要なコア計算フレームワークと検証ツールを概説する。
• 長期的なレビューは、過去と現在のプロジェクトが課題に対処し、脳計算に関する洞察を生み出していることを示唆する。
• このプログラムは、標準的な単一モデル評価では到達し得ない洞察を生み出すことを目指している。