ド＝アーヌ＝シャンジュー・モデルは、意識的アクセスの神経基盤を説明しようとする神経科学における理論的枠組みである。スタニスラス・ド＝アーヌとジャン＝ピエール・シャンジューによって提唱され、神経生物学と計算モデリングの概念を統合し、脳が関連情報を選択・増幅して意識的処理に利用可能にする仕組みを記述する。このモデルは、脳全体に信号を放送できる分散したニューロン網であるグローバル・ニューロナル・ワークスペースの役割を強調し、柔軟で意図的な行動を可能にする。
このモデルの中心は、意識状態が、特に前頭前皮質と頭頂皮質における長距離結合を持つニューロン網の点火から生じるという考えである。この点火は、ボトムアップの感覚入力によって引き起こされ、トップダウンの注意によって調節され、意識的処理と無意識的処理を区別する持続的で広範な活性化をもたらす。このモデルは認知神経科学において影響力を持ち、神経画像データの解釈枠組みを提供し、意識、注意、意思決定に関する研究を導いてきた。
グローバル・ニューロナル・ワークスペース
ド＝アーヌ＝シャンジュー・モデルは、バーナード・バースが提唱した初期のグローバル・ワークスペース理論に基づきつつ、それを神経メカニズムに根付かせている。ワークスペースは、前頭前皮質、前帯状皮質、頭頂葉を含む複数の脳領域に分布するニューロンの集合から成る。これらのニューロンは長距離の興奮性投射を通じて相互接続され、様々な感覚・認知モジュールからの情報を統合できる機能的ハブを形成する。
刺激が十分に強いか関連性が高い場合、それはワークスペースの突然の広範な活性化、すなわち点火と呼ばれる現象を引き起こす。この点火は非線形の全か無かの応答を特徴とし、モデルは計算シミュレーションを用いてこれを捉える。モデルは、ワークスペースが点火したときに意識的アクセスが生じる一方、無意識的処理は局所的で完全なネットワークに関与しないと予測する。
自発的活動とシナプス可塑性
このモデルの重要な特徴は、発達と学習の過程でワークスペースがどのように出現するかについての説明である。ド＝アーヌとシャンジューは、自発的神経活動とシナプス可塑性が組み合わさってワークスペースの結合性を形成すると提唱した。発達中、脳は内因性の活動パターンを生成し、選択と強化のプロセスを通じて、情報処理に有用な結合を強化する。
このプロセスは、ヘッブ学習則を用いたニューラルネットワークによる計算モデルで形式化される。モデルは、ニューロンの集団がグローバルな放送を維持できるワークスペースへと自己組織化する方法を示す。また、注意と作業記憶がワークスペース内の活動を維持することでどのように機能し、情報を時間的に保持・操作できるようにするかも説明する。
神経画像と障害への応用
ド＝アーヌ＝シャンジュー・モデルは、機能的磁気共鳴画像法（fMRI）と脳波検査（EEG）データの解釈に用いられてきた。研究により、意識的知覚は遅く広範な活動の波と関連する一方、無意識的刺激は初期の局所的な応答のみを生じることが示されている。モデルはこれらの知見を定量的に説明し、神経活性化のタイミングと範囲を意識的報告に結び付ける。
このモデルはまた、昏睡や植物状態などの意識障害にも応用されている。意識喪失はワークスペースの長距離結合の崩壊に起因し、回復はこの結合の再確立と関連すると予測する。これにより、無反応患者の残存意識を評価するための脳刺激と神経画像を用いた臨床研究が動機付けられている。
計算的実装
ド＝アーヌ＝シャンジュー・モデルは、しばしば簡略化されたニューラルネットワークを用いて、様々な計算シミュレーションで実装されてきた。これらのモデルは、スパイクニューロン、シナプス可塑性、ドーパミンやアセチルコリンなどの神経調節系を組み込む。ストループ効果、注意の瞬き、ウィスコンシンカード分類テストなどの課題をシミュレートし、行動データと神経データを再現する。
これらの実装は、人工知能の分野、特にボトムアップとトップダウンの処理を組み合わせたアーキテクチャの開発に影響を与えてきた。このモデルのグローバル・ワークスペースへの強調は、機械学習と深層学習の研究に着想を与え、トランスフォーマーにおける注意メカニズムはワークスペースの選択的増幅と概念的な類似性を共有する。しかし、このモデルは主に神経科学の理論であり、ニューラルネットワークや大規模言語モデルにおける工学的アプローチとは区別される。
批判と進行中の議論
影響力を持つ一方で、ド＝アーヌ＝シャンジュー・モデルは批判にも直面している。一部の研究者は、全か無かの点火は過度の単純化であり、意識状態は強度と内容において変動し得ると主張する。他の研究者は、ワークスペースの因果的役割に疑問を呈し、それが意識のメカニズムではなく相関物である可能性を示唆する。モデルはまた、経験の主観的質、すなわちクオリアを完全には扱っておらず、これは意識研究における中心的な課題のままである。
これらの議論にもかかわらず、モデルは多くの実証研究を刺激し、進化し続けている。最近の拡張は予測処理と階層的組織化を組み込み、神経メカニズムと高次認知機能の間のギャップを埋めることを目指している。2020年代初頭の時点で、それは意識の最も顕著で検証可能な理論の一つであり、MIT CSAILやスタンフォードAIラボなどの機関での進行中の研究が、神経科学とAIの両方へのその含意を探求している。