私たちの脳は約百億個もの神経細胞が複雑に結びついたネットワークによって、視覚や聴覚などの感覚情報を処理しています。しかし、ノイズ（雑音）に満ちた現実世界の中で、脳がどのように安定的かつ正確に情報を表現しているかは、神経科学における最大の謎のひとつでした。　これまで、情報表現をノイズに対して強くするために、脳は「フラクタル状態」と呼ばれる、入力に過敏な状態を避ける必要があると考えられてきました。しかし、寺前順之介 情報学研究科准教授と立川剛至 同博士課程学生の研究グループは、「Fisher情報量」と呼ばれる数理的手法を用いることで、神経ネットワークは従来の予想以上にノイズに対して頑健で...

井上浩輔 白眉センター／医学研究科准教授と古村俊昌 米国ハーバード大学（HarvardUniversity）博士課程学生らの研究グループは、機械学習を用いた効果の異質性分析における、科学コミュニケーションのための実践的枠組みを提案しました。　因果関係を探る機械学習アルゴリズムを用いた効果の異質性分析が近年注目を集めています。しかし、これらの手法から得られるデータドリブンな知見は、人間が解釈し意思決定を行う上でのニーズと齟齬が生まれる可能性があることから、応用には注意が必要です。今回の研究では機械学習が提示するデータドリブンな知見と現実的な意思決定と統合する実践的なフレームワークが提案...