カオス理論とニューラル・ネットワーク
近年の神経科学のめざましい進展の中で、神経系におけるカオスの存在が電気生理学的な解析から確認されてきました。ラットの海馬、ウサギの嗅覚システム、ヒトの脳波などの解析で判明しました。こうした生物学的見地から記憶パターンを動的なものとして、それを取り扱う動的認識ネットワークが提案されてきています。生物が行う認識では、入力は連続的なものが多く、その一連のデータ入力の中で過去の履歴を考慮しながら現在の状態を認識している現実があるからです。

このようにカオスが神経系のいたるところで確認され、記憶の形成や想起に深く関わっているとする提案も多くなされています。従来の神経モデルでは、静的な判別能力しか持たず連続的な入力に対して一連の流れをもとに認識を行うことは不可能でした。このような背景のもとに、履歴を考慮した認識をニューラル・ネットワークで実現するためには、現在の入力だけでなく過去の状態が現在の状態に影響を及ぼすフィードバック構造が必要であると考えられます。したがって、フィードバック結合を持ち、過去の状態の影響を残すダイナミクスのパターンを認識として用いる動的認識ネットワークが、より生体に近い認識メカニズムを実現する上で有効であると考えられています。

こう考えると我々の身体の機能はカオスだらけだということがわかってきました。我々の心拍数も、脳波も、呼吸も、それに何かを覚えようとするときの脳細胞の興奮にも、カオス的な振る舞いがあることがわかってきています。カオスの振る舞いが特に分かるのがひらめきやときめきです。脳が同じように働いているのに、ある時急に何かに気付くことは誰でもあることです。

現在のコンピュータは、各回路が同じリズム(クロック)に合わせて動く同期、デジタル方式です。この利点は処理をCPU(主演算装置)で行うために演算速度の高速なものを使えば処理が桁違いに速いと言う特徴があります。我々の使っている現在のパソコンも数十年前なら何千万円もするような能力を持っています。しかし、大きな問題はCPUで処理させるためにはその装置が処理できるデータでないと困ります。そのデータ形式はデジタルです。パソコンは0と1を使っています。大きな理由は数字を2進法に変換した方が桁数は増えますが、数字の加減乗除の処理方法がずっと楽になるからです。

現在では写真や音楽がデジタルになっておりますが、これは決して音質や画質が良くなった意味ではありません。デジタルカメラの最も画素数の多い写真よりは、感度の良い銀塩フィルムでとった写真の方がデータ量がずっと多いのです。ではカメラがなぜデジタルになったかと言うと画質の向上で無く扱いが非常に楽になったからです。写真がデジタルになるとネットワークを使い転送ができ、パソコンで編集や加工ができます。パソコンやテレビや携帯で見る事ができます。画面でみるためには画素数はそれほど必要としないのでデジタル写真でも十分に見る事ができます。

音楽も同様に音質が向上したのではありません。デジタルにしたために音域で人間が聞きとれないかなりの部分が削除されています。でもデジタル音楽の便利さはもう皆様が享受されている通りです。

しかし、生物の脳はそれぞれが独自に動き、カオス的な振る舞いを持つ非同期でアナログ的な動きをしています。このように人間の脳に非常に似ているのがニューラル・ネットワークで、現在はその能力もかなりのレベルまで発達してきました。私たちの脳は神経細胞(ニューロン)やその他のグリア細胞などから構成されています。このうち、ニューロンによる神経情報伝達機能をモデル化する研究が古くから行われており、モデル・ニューロンを幾つか用いて結合しネットワークを構成したものをニューラル・ネットワークと呼んでいます。

つまり、脳に学んだ情報処理モデルであり、とくにニューロンという要素モデルを結合した構成のものです。ニューラル・ネットワークの最大の強みは、私たちの脳と同じように過去の経験を学習して記憶し、知識として蓄えることができる点です。

現在では脳に学んだニューラル・ネットワークを用いることにより、脳機能の一部をモデル化してテストすることも可能です。英会話学習のプロセスはカオス現象やニューラル・ネットワークで非常に明快に説明ができます。

この脳のニューラル・ネットワークをどうすれば最大の効果があげられるかを考える事により効果的な学習が可能となります。

HOME|最適性理論とは|教材オンラインショップ|特定商取引法の記載|個人情報保護方針|お問い合わせ
Copyright(C) 2011 最適性理論で英語学習 All Rights Reserved