AMSS Memoirs

　音楽哲学で提唱された〈信念〉という概念は，神経科学で提唱されている「注意」（attention）という概念と親和性が高いと思います。神経科学の知見を借りれば，「何の音楽要素をもって美しいとみなすか」という〈信念〉は，特定の音楽要素に注意を向けるプロセスと言い換えることが可能かもしれません。これを認めるならば，〈信念〉（≒注意）と〈情動〉がどのように関わるかという問題を神経科学が研究する用意も整いつつあると感じます。本節では，神経科学が注意という働きをどのように説明しているのかを，音楽の文脈と絡めながら概説していきます。

　脳波研究で頻繁に測定されるものに ミスマッチ陰性成分（mismatch negativity；MMN）があります。MMNは聴覚性感覚記憶の機能と対応していると考えられており，聴者が予測できない音（deviant；以下devと略記）に遭遇してから100-200msで発生します（図 4）。たとえば，「ドドドドドドレドドドドレドドドド」という音列を聴くと「レ」で MMN が反応します。MMN はある意味脳が "驚いている" ことを示していると言えます。興味深いことに，いくつかの研究が示すところによれば，聴者が「devが来そうだ」と予め分かっている箇所でもMMNは変わらず発生するといいます。たとえば，音の長さや音程に関してdevが来ることを知らせる視覚刺激をつけても，MMNの振幅や潜時は変わりませんでした (14,15) 。被験者が自らボタンを押してdevを生成した場合ですら，MMNの振幅と潜時が変化しなかったという報告もあります (16) 。一方MMNに続いて起こるP3a（250–300 ms で発生）とP3b（300ms以降で発生）は，MMNより潜時が長い分，より高次のモジュールでの処理を反映している脳電位です。MMNとは違って，P3aとP3b は dev が来ることを事前に知っているかどうかに影響されます (17,18) 。一体ここで脳はどのような処理を行っているのでしょうか。

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​　この疑問に答える前に，近年注目されている理論仮説である 予測符号化（predictive coding；PC）をまず説明します（図 5）。予測符号化仮説を音の大きさを推論する場合に当てはめて考えてみると，次のようになります。まず上位の階層のニューロンRが下位の階層に向けて「大きさ＝ Φ ではないか」という予測信号（Predictions）を送ります。次に下位ニューロンEで実際の入力（Sensory input）とその予測信号との誤差を計算し上位ニューロンに送り返します。この誤差を予測誤差（Prediction errors）と呼びます。予測誤差がトップダウンの予測信号で完全に抑制できていれば正しい推定ができていると言え，これを 予測誤差の抑制 と呼びます。予測符号化仮説は脳が予測誤差を最小化することによって外界の状態を推定していると考えるわけです。予測誤差の抑制は脳内の至るところで見られ，そのうち脳波成分として知られているのが先述のMMNになります。

​

​

​

​

​

​

​

​

​

​

​

​

​

　ここで，Fristonが提唱する「自由エネルギー原理」に登場する 精度（precision）という概念が重要になってきます。上記の例で引き続き考えてみましょう。実際の入力信号を μ（μ 0 , μ 1 , ...）とすると，信号にはゆらぎ（分散）があるので μ はノイズを伴うことになります。そして，ゆらぎ（分散）の逆数を「精度」と呼びます。するとニューロンにより計算された予測誤差には常に「精度」という係数がくっついて来ることになります。これを「精度の重みづけ」と言い，図 5 では Eについている小さなループが精度の重みづけ処理を行っています。信号 μ のゆらぎが大きい，すなわち，ノイズが大きい場合には，ノイズに反比例して精度が小さくなるため，精度によって重みづけられた予測誤差も小さくなります。つまりノイズが大きい場合は誤差がないとみなされることもあるということです（図 6）。すると，予測信号を書き換える必要はないと判断し，脳はこれ以上入力信号に注意を向けなくなってしまいます。

​

​

​

​

​

​

​

​

​

​

​

​

​

　「精度」をたとえば音楽のリズムに当てはめて考えてみましょう。リズムの入力信号 μ のゆらぎが大きい状態とは 不確実性（uncertainty）が大きい状態であり，たとえばシンコペーションが多い状態などを思い浮かべていただければ結構です。シンコペーションが多ければ多いほど「精度」は小さくなっていくことになります（図 7）。

​

​

​

​

​

​

​

​

​

​

　

　ここで重要なのは，こちらでも説明したように，私たちの聴取経験は「devによるズレ」（surprise）と「不確実性」（uncertainty）の両方に影響を受けるということです。私たちは両者のそれぞれに対して何らかの予測を行っていると考えられます。「devによるズレ（surprise）」に対する予測とは，「次にどういう音が来るか」という予測のことなので，これは「音スロット（content）についての予測」という風に言うことができます。一方で「不確実性（uncertainty）」に対する予測とは，「精度」に対する予測ないし「入力信号のゆらぎ」に対する予測のことなので，これは「contentの予測にどれくらい自信を持てるかの予測」すなわち「音の文脈（context）についての予測」という風に言うことができます。このように音楽では「予測（の精度）に対して予測をする」という予測の二重性があり，予測信号を出すトップダウンの脳回路も，前者に対応する first-order predictions回路 と後者に対応する second-order predictions回路 の2種類から成ると考えられています。それぞれ図示したのが 図 8 です。（second-order predictions回路は，究極的には注意による入力信号の選択を行っているので，modulatory connections とも呼ばれます。）​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

 

​

​

　　Koelschらは，先述のMMN等の挙動も以上のモデルから説明できると考えました (19) 。予測可能な規則的音列pが入力されている状態では，入力信号の予測誤差は直ちに抑制される（外界を正しく推定できる）ようになっています。「first-order predictions 回路の活性化によりcontentの正確な予測ができる」と同時に「予測誤差の精度が大きくなっている」状態です。より簡単には，トップダウンからの命令により，ボトムアップに送られる予測誤差がpを表象することに特化している状態と言えるでしょう。ここでdevが入力されても，神経回路はdevに対応する表象を高い精度で（先述のように予測誤差の精度が大きい状態にあります）弱めてしまいます。これでは予測誤差はいつまで経っても抑制されず，誤差の分だけMMNが生じることになります。イメージとしては，外からよそ者がやってきてノックをしているが，主人が門を固く閉ざしているために，ノックが中の人には聞こえず無視されている，という感じです。ただし間違いなくノックの衝撃は生じているので，その分がMMNとして計測されることになるのです。以上を図解したのが，図8の「行き止まり」マークをつけた回路（最左・最右）です。よそ者の比喩をこの図に当てはめてみてください。

　一方P3bは，より高次の脳処理であり潜時も長いため，contextレベルでの予測の方がメインとして関わってきます。すなわち，second-order predictions 回路が活性化することで，devが精度（不確実性）の予測を大きく変化させます。これからdevが入るということが分かっている場合には，これは精度が低くなる（不確実性が高くなる）ことと同値ですから，部外者の締め出しが緩和されてdevに対応する表象も姿を現すようになります。こうして部外者は晴れて建物への入場を許され，予測誤差は抑制されます。以上を図解したのが，図8の「行き止まり」マークがついていない回路（中央）です。そして，ちゃんと予測誤差が抑制されるようになったことを反映してP3bは抑制されます。これが先ほど述べた「MMNとは違ってP3bはdevが来ることを事前に知っているかどうかに影響を受ける」ことの仕組みです。

　まとめましょう。first-order predictions回路とsecond-order predictions回路の二重支配を受けている脳は，devのような予測不可能な刺激に対し驚いているとも驚いていないとも言えます。content/contextの区別を踏まえると「予測不可能な刺激に対してcontentレベルでは驚くが contextレベルでは驚かない」ということです。

　first-orderだけでは脳が頑として驚き続ける（それがMMNとして反映されます）ことを考えると，初期の感覚処理（例：潜時の短いMMN）には，注意（精度の予測）によるコントロールが及んでいないように思えるかもしれません。聴覚以外の感覚においては，実際にその推察を支持するような現象が既に報告されています。たとえば視覚領域では，目を動かす瞬間にぼやける映像が脳に入らないよう視覚が遮断されるsaccadic suppressionという現象が知られています。この saccadic suppression のおかげで，目が1秒間に5回という高スピードで小刻みに動く（saccadic現象と言う）にも関わらず脳は対象の輪郭をはっきりと捉えることができます。saccadic suppressionは視覚処理のすべてのプロセスの中でも初期の感覚処理の方に分類されるわけですが，これも人間が意識的にコントロールできるものではありません (20) 。

​

　しかしその一方で，注意が初期の聴覚処理に関わっていることを示唆するエビデンスも存在するのです。それは和声的規則の逸脱を反映する ERAN（early right anterior negativity）という別の脳波成分の計測により分かってきました。図 4 のように，ERAN は MMN より潜時が長く，より高次の脳処理を反映したものですが，それでも初期の聴覚処理に属するとされている成分です。ここで重要になるのは，和声には規則（syntax）があり，私たちは今までの音楽経験からその規則を大量に頭の中にストックしているということです (21) 。西洋音楽でいえば「トニック」→「サブドミナント」→「ドミナント」→「トニック」といった和声進行が典型的です。ここからMMNとERANの決定的な違いが導かれます。すなわち，MMNはその時その時の聴取経験に基づいた脳処理を反映するのに対し，ERANは長期記憶に基づいた脳処理を反映するのです。ここでいよいよ「記憶」も含めて議論できるようになります（音楽の文脈において予測に関する議論をするときに「記憶」という論点は絶対に外せないでしょう）。

　さて，先述のようにMMNは注意によって変化しにくいわけですが，ERANは，次にどんな音が来るか分かっていると，（振幅は変わりませんが）潜時が短くなります (22) 。すなわち，注意が，予測誤差に関する脳の反応が起こるまでの時間を短縮させます。ここで，脳が外界からの情報を集める時間は予測誤差の精度によって決まる (23) ということを合わせて考慮すれば，これは注意が感覚信号の精度を高めていることを意味します。（実は「注意を向けることは入力信号の精度を高めることと等価である」という仮説は自由エネルギー原理の想定の中で最も重要なものの一つであり，音楽処理においてはこの仮説が成立すると言われています (24) 。この仮説は音楽処理以外の文脈でもエビデンスが存在し，たとえばドーパミン投与により注意機能が高まった被験者が，瞬間提示された単語を報告する正答率と確信度が増加されることが報告されています (25) 。）そしてまた，注意がMMN・ERANに及ぼす影響の違いから浮かび上がるのは，長期記憶を利用するプロセスにおいて脳は能動的に音に注意を向けている という重要な事実です。長期記憶に頼って聴解するタイプの音楽要素（→ERANが反映）を相手にしている場合には，このあと規則から逸脱した音が来ると分かった時点で，不確実性を解消してくれるような音列に注意を向けることが可能となります。しかし長期記憶では予想がつかないタイプの音楽要素（→MMNが反映）を相手にしている場合には，このあと規則から逸脱した音が来ると分かったとしても，不確実性を解消する決まった構文は存在しない（規則の裏切り方には無限のパターンがある）ので，注意を向けようがありません。

　一方で，同じ逸脱刺激を繰り返し与えるケースではERANが変化しないことが分かっています (22)。これは，繰り返される刺激により「なんとなくこれから逸脱音がきそうだ」ということは予測できても，具体的にどのような逸脱になるかは予測できないため，何回繰り返そうが脳の反応は変わらないからです。逆に，先述した音を予告されるケースであれば，不確実性を解消してくれそうな音だけに注意を向けることになるので，脳の反応も変化します。

　また別の実験では，与えられた音列の中に和声の規則に合わない音があったかどうかを被験者が答える際に，その判断に自信がないとERANの振幅が大きくなるということも分かりました (26) 。この実験はcontentではなくcontextの予測を調べていることになるので，この結果から分かることはERAN（の振幅）がfirst-order predictionsではなくsecond-order predictionsにより左右されるということです。やはりERANは注意により影響を受けやすいようです。

​

　日常生活で使う「注意」という言葉とは違って，ここまで述べたきた「注意」というのは，必ずしも意識を伴うわけではありません。それどころか，音楽を聴いている時の注意というのはたいてい無意識のものでしょう。それでも，ここまで見てきたように，音楽聴取における注意ないし精度の調整というのは極めて能動的なプロセスであり，もはや 心的な「運動」（mental action）と呼んでしまってよいものです (27,28) 。そして，自由エネルギー原理は，音楽の心的運動，目の運動，ふつうに体を動かす運動…… などを包括的に「運動」として記述できる（すべて同じ神経基盤を有しているとみなせる）と考えています。自由エネルギー原理が「脳の統一理論」として期待されている所以はここにあります。そうすると，音楽における注意と〈情動〉の関係を研究していく上で，他領域における運動と〈情動〉の関係がヒントになる可能性があります。なかでも視覚領域は特に研究が進んでいます。今のところ指摘されているのは，精度（不確実性）の細かな変動（entropic flux）が，音楽の美的経験に一役買っているのではないかということです (29) 。哲学者Nanayが言うところの「注意の分散」と芸術美の関係（こちらでも簡単に触れました）にも通じるところがあると感じますが，この精度ないし注意のふらつきが音楽の〈情動〉にどのような影響を及ぼすのか，とても興味を持っているところです。