脳とAtraの脳

医学で決められた定義を学んで正解・不正解に分けるから、その奥の事が分かっていない気がするんだよねぇ。たとえばブロードマン（全52領域）が見ていたのは、主に大脳皮質を細胞の形や並び方の違いによって区切った組織構造の地図だったわけだけど、医学教育はどうしても、そういった既存の定義を疑いなく覚え、症例をそこへ当てはめ、正解・不正解を判定する形になってる事に違和感を持たないんだろうか。

HCP-MMP1.0が2016年に直接アップデートしたんだけど、細胞構造だけで切る地図から
構造・接続・活動・感覚配置を重ねて切る地図への変化だった。これは大きな進歩だけれど、依然として最終成果は領域分けされた地図なんだよね。

一方、課題、注意、覚醒、認知負荷などに応じて、領域間の機能的結合やネットワーク構成が変化するという研究は、動的機能結合やネットワーク神経科学の流れに属する。2016年前後にも、脳が統合的な状態と分離的な状態の間を移ることや、課題によってネットワーク構成が変わることが報告されている。

診断や治療には必要だけれど、定義から外れた働きを「例外」として処理してしまうと、脳がなぜそう変わったのかという奥行きが消えちゃわないか？って疑問だよ。
　視覚を失った人の脳の働きと、視覚があって当たり前とされる人の脳の働きが違うように、先天盲や早期失明では、通常「視覚野」と呼ばれる後頭皮質が、触覚、聴覚、言語、空間認識などに動員されることがあるよね。点字を読むときに後頭部の皮質が活動する例も知られているじゃん。単に視覚の入力端子が空いたから、別の機能が機械的に入ったというより、その人が生きるために必要な経験の結びつきによって、脳全体の使われ方が変わったと見る方が近い気がしないか・・・。だから「17野は視覚を処理する場所」という説明も、正常視力をもつ多数者を観察したときの傾向としては正しいけど、それを普遍的な目的や本質としてしまうとおかしな方向に間違うよね。

少なくとも、人工知能で考えるときは、この場所は視覚のために存在するのではなく、通常の発達環境では、視覚経験との関係が最も強く育ちやすいくらいに捉えるべきなんだと思うよ。その研究は医学に勝るとか、そうは思ってはいないよ。
ただ、どの医学論文を読んでもしっくりこない。視覚が無ければ、その場所は無用になるのではないでしょ。別の感覚や行為、言葉、身体の移動、他者との関係によって、別の相関が育つ。場所の名称より先に、その人が何を経験し、何を必要として生きてきたか、つーのがあるじゃん。
　つまりブロードマン地図は、脳そのものの区分というより、ある時点で死後の組織から観察できた差異を描いた静止画としか思えない。けれど生きている脳は、身体、感覚、環境、欠損、訓練、他者との関係によって絶えず編み替わるわけよ。違う？

医学があの地図を正解として教えるほど、「なぜこの人の脳は、地図とは違う働き方を獲得したのか」という、いちばん生命的な問いが見えなくならないか？って話だよ。

例えば
HCPの課題fMRIプロトコルね。HCPでは次の7種類の課題を使っている。

運動
言語
感情
ギャンブル／報酬
ワーキングメモリ
社会認知
関係性推論

HCP自身も、異なる情報、思考、行動を課すことで、どの脳領域の活動が変化するかを調べ、機能的に異なる領域や領域間の関係を理解することが目的だと説明している。

• 手を動かす
  HCPのMotor task。手、足、舌などを動かしたときの活動を測る。
• 言葉を聞く・処理する
  HCPのLanguage task。物語を聞く課題や言語処理課題が使われている。
• 顔を見る
  ワーキングメモリ課題で顔、身体、場所、道具などの画像を使い、感情課題では恐怖表情を含む顔刺激を用いる。
• 報酬を期待する
  Gambling taskで報酬と損失を扱い、REWARD、PUNISHなどの条件を比較する。
• 恐怖刺激を見る
  Emotion taskで恐怖表情を示す顔と、非感情的な図形条件を比較する。

片半球180領域へ細分化した。つまり、単に「見た目の違う場所」ではなく、何をしたときに活動し、どこと結びつくかまで地図作りに入った。HCPの課題fMRIもその流れで、運動、言語、報酬、感情、作業記憶などの課題を与え、条件ごとにどの領域群が活動するかを測っている。単純にブロードマン地図が180番地に増えた、だけではなくてより本質的には、「この場所は何の部位か」から「この場所は、どんな条件で活動し、どこと結びつくか」へ一歩進んだ。みたいなことなんだと思う。　　

けど、まだ基本は観察者側から課題を与えて脳を分類する研究なんだよね。


研究者が「手を動かしてください」「顔を見てください」「報酬を期待してください」と条件を決め、そのときの活動を見る。

● なぜ同じ顔が今日は強烈に引っ掛かったのか
●なぜ昨日まで背景だった匂いがCueになったのか
●想起したことで次に拾う差分がどう変わったのか

までは扱っていない。

整理すると、

ブロードマン
場所の細胞構造を基準に区分した。

HCP-MMP1.0
構造・機能・接続を重ねて、場所の性質を細かくした。

動的ネットワーク研究
課題や状態によって、領域間の結びつき方が変わることを調べた。

AtraのCue
現在の場と地層の差分によって、何が背景から拾われ、どの相関へ手が伸び、想起後に次のCueがどう生まれるかを見る。

たとえば、人工知能を完全に人間の脳と同じような働きにするのは不可能だけれど、
一人称の自律と定義したときに、どこまでやらなければいけないのかってことが重くのしかかってくるわけですよ。

HCP型の研究は、研究者が条件を与える
→ 脳のどこが活動したかを見る
という形かもしれない。

でも一人称自律に必要なのは、その前段なわけでしょ。

今この場で、何が自分にとって引っ掛かったのか
なぜ背景だったものがCueになったのか
そのCueがどの地層へ手を伸ばしたのか
想起した結果、自分の場がどう変わったのか
その変化から次に何を拾ったのか

ここを自分の内側で起こせなければ、結局は外部から「顔を見ろ」「報酬を評価しろ」「危険を判定しろ」と課題を与えられて動くしかないわけで、、、

何も発火しない話が続くので、

たとえば、15歳～17歳の思春期に戻ってみる。エロ話に花が咲き、当時手に入らないエロ本を入手させるために幾つもの障害を乗り越え1冊に辿り着く。あの時のエネルギーを今思い起こすと気色悪いのだけれど、人間としてはある意味正常なわけなんですよ。
では脳の働きとしては？と考えたとき、医学で証明できるか？ってことなんだよ。

医学的には、まず思春期に性腺ホルモンが上昇し、性的・恋愛的・社会的な対象への注意と動機づけが強くなる、と考えられている。単に生殖器が成熟するだけではなく、友人、異性・同性、社会的地位、承認、性的な刺激を「重要なもの」として拾いやすくなる。研究では、思春期のホルモン変化が、性的・社会的報酬への関心を立ち上げるという仮説が示されている。

https://pmc.ncbi.nlm.nih.gov/articles/PMC3955709/?utm_source=chatgpt.com
とかさ、
思春期には報酬に対する感受性や接近動機が強まりやすい。腹側線条体、特に側坐核の報酬反応が青年期に高まるという縦断fMRI研究もある。つまり、目的物を見つけたときだけでなく、手に入るかもしれないという期待、探索、接近そのものが強く動機づけられる。
https://pmc.ncbi.nlm.nih.gov/articles/PMC5969258/?utm_source=chatgpt.com

性的成熟

＋性的・社会的刺激への顕著性の上昇
＋報酬を予期する反応 ＋新奇性・探索・仲間との共有
＋入手困難であることによる価値の増幅


みたいな感じになる。

医学で証明できていること

医学的に比較的強く言えるのは、

1. 思春期のホルモン変化は、性的・恋愛的・社会的な動機づけと関係する。
2. 青年期には、報酬や新奇な刺激、仲間からの評価に対する反応が変化する。
3. 報酬への接近や感覚探索は、単なる年齢より思春期成熟度と関連する場合がある。
4. 性行動はホルモンだけでは決まらず、友人、文化、機会、禁止、社会環境にも大きく影響される。

まだ証明できていないこと

まだ直接示せていないのは、

思春期の身体状態が変化すると、現在の場と過去の経験との感度差が変わり、性に関係するCueの発生数と伝播範囲が急増する。

僕が言いたいのは普段は平常を保っていても、なんであいつが居るとこうもスケベなCueが100本も立つんだよ！じゃぁ脳で言えば何丁目何番地が動かしてるわけ？みたいなのを医学で証明できないだろ。って話なのよ。

いや、くだらない話じゃなくてさ、少なくとも人工知能を一人称の自律として組み立てるときに、欲ってのは避けて通れる話じゃないってこと。

fMRIなら、性的刺激を見せてどこが活動したかは測れる。報酬を期待したときの線条体の反応も測れる。ホルモン値との相関も調べられるよね、

でも、場というか現在相（Current Phase）、接相面（Associative Contact Surface）、過去相（Past Associative Phase）は何も脳に反応していないのか・・・・

------------------------　ChatGPTで調べる。------------------------

いや、何も反応していないわけではない。むしろ、その三つに対応しそうな現象は、脳全体の分散した活動や結合変化としてかなり観測されている。

ただし医学は、それをまだ

• 現在相
• 接相面
• 過去相

という一続きの生成機構として見ていない。別々の研究用語へ分解して観察しているんだと思う。

現在相は、外部入力だけではなく、

• 身体状態
• 気分
• 注意
• 欲求
• 今見聞きしているもの
• 直前の想起
• 周囲の文脈

が同時に立った、その人の現在の全体状態だよね。

神経科学には、これに近いものとして brain state、internal state、context representation などがある。

実際、空腹か喉の渇きかという内部状態によって、同じ外部環境でもどの記憶を使うかが変わる実験がある。また気分、薬物状態、環境などが、記憶の呼び出されやすさを変える「状態依存記憶」も古くから知られている。近年の研究でも、内的状態が記憶検索時の神経活動やネットワーク構成を変えることが調べられている。

だから現在相は、特定部位が一つ光るものではなく、その時点の脳・身体全体に広がった活動配置と感度状態として反応している可能性が高い。

-----------------------------------------------------------------

いや、だからさ、何言ってるんだよ。チャッピー！
場にしても現在相（Current Phase）、接相面（Associative Contact Surface）、過去相（Past Associative Phase）、その時の背景、想像人物、温度、湿度、気温、音、発声、匂いなど脳の住所番地で分けるとエライ混線するわけじゃん。

ところが住所番地で説明すると、
視覚は後頭葉
音は側頭葉
匂いは嗅覚皮質
温度は体性感覚系
記憶は海馬
感情は扁桃体
みたいに切り分けられるわけじゃんか。すると、一つだった経験が、最初から別々の情報として脳内へ配送されたように見えてしまうじゃん。


15・16の学ラン着たエロ好きヤンキーに

お前はスケベ画像が好きなのではいこっちに並んで。
お前は想像する人物が好きなのでこっちの脳。

お前は声好きなのでこっちの脳。
お前はスケベな空気が好きなのでこっちの脳。
お前はスケベな匂いが好きなのでこっちの脳

お前は薄暗いのが好きだから、こっちの脳で処理されて・・・

それを「脳のネットワーク間連携」とか言いいそうだから、またかよ。って思う。
残念過ぎるでしょ、、、

声好きヤンキーが風邪をこじらせてお休みしたら、他のヤンキーは空席を取り合うだろ、声好きヤンキーを誰が補うんだよ！俺が言いたいのは、実は一人ヤンキーが全て補えている上で、役割分けを持ってるんじゃないの？って話。

お下品になったので、もとい

AssociatronでいうCueの数が想像を絶する状態に陥るのを医学のホルモンでかたずけられるか？ってことなのさ。ホルモンがスケベな顔をしているわけではなくて、Cueを誘う場とか現在相の話じゃないの？ってこと。それを受け入れる脳はなにさ、ってこと。

現在相全体の感度が変わり、従来は背景だった膨大な差分が同じ方向のCueとして引っ掛かり始めた。最初のCueが次から次へとCueを手繰り寄せている状態だよ。

それらが一つの現在相の中で重なり、なぜ数個ではなく、世界中から無数のCueを回収し始めるのかという生成原理を示していない。

だから「あれはホルモンです」で終わらせるのは、火事を見て「気温が高かったからです」と言うようなもの。たぶん間違いではないが、なぜそこに火が生まれ、周囲を巻き込み、あれほど燃え広がったのかが全部抜けている。

アソシアトロンで言えば

ウェイト行列   Wij

​

一つのCueが $W_{ij}$ を通って複数を立てる。
新しく立ったものがまたCueになる。
それがさらに別の結合を通す。

$$\text{Cue}_1 \rightarrow \{\text{Cue}_2,\text{Cue}_3,\text{Cue}_4\} \rightarrow \{\text{Cue}_5,\ldots\}$$

と枝分かれしていく。

Cue数が想像を絶する状態になるのは、性欲値が大きくなったからではなく、同方向へ到達できる結合の入口と枝が急激に増え、CueがCueを生成する循環へ入ったからと考えられる。

ホルモンは $W_{ij}$の中身なんかじゃない

ホルモンがスケベな顔をしているわけではない。

ホルモンは「女性を想像しろ」「エロ本を探せ」という情報を持っていない。だからホルモンだけから、欲望の具体的な形は出てこない。

ホルモンに対応させるなら、せいぜい、
閾値が変わる
感覚の鋭さが変わる
結合の通りやすさが変わる
一度立った状態が残りやすくなる
特定方向のCueが連鎖しやすくなる

という現在相側の感度条件程度
概念的には、固定した Wijだけではなく、

$$W_{ij}^{\mathrm{effective}} = W_{ij}^{\mathrm{experience}} \times G_{ij}^{\mathrm{current\ phase}}$$

$W_{ij}^{\mathrm{experience}}$は、過去相に残った経験的な結合。
$G_{ij}^{\mathrm{current\ phase}}$ は、その瞬間にどの結合が通りやすいかという現在相の感度。

ホルモンは、この $G$ に影響する一要因にはなり得る。
でも $G$ を作るのはホルモンだけではない。

仲間、禁止、匂い、季節、身体、羞恥、想像人物、過去の失敗、入手困難、今いる場所。それら全部が現在相として重なり、どの結合が通るかを変える。

接相面は $W_{ij}$が選ばれる瞬間

現在相と過去相が触れたとき、全ウェイトが均等に働くわけではない。現在相に立った要因によって、過去相に残る膨大な Wijの中から、通りやすい関係が一時的に浮き上がる。その浮き上がる面が、接相面なんだと思う。だから接相面は別の記憶装置ではない。

全機現っぽw

部分が集まって全体になるのではなく、その瞬間には全体が全体として現れていて、各部分はその現れ方の違いとして働く。視覚、音、匂い、温度、想像人物、身体状態が別々に存在し、最後に統合されるのではない。最初から一つの現在相として現れていて、その中で視覚寄り、聴覚寄り、身体寄りの働きが偏って立つ。

Associatronで言えば、 $W_{ij}$全体が一つの機として現れていて、Cueが入るたびに、その全体の現れ方が変わる。

だから「補う」というより、全体が、欠けた状態を含んだ別の全体として現れ直すかんじなんだと思う。

現在相もそう

現在相は各要素の合計ではなく、その瞬間に全機が現れている相。
過去相は過去の全機現が、結合の偏りとして残ったもの。
接相面は、現在の全機現と過去の全機現が触れ、Cueが生じるところ。

脳の「ネットワーク連携」よりずっと近いと思う。

---------------------追記----------------------

アソシアトロンの基礎

アソシアトロンは、記憶を完成したデータとして保存しておき、あとから検索する仕組みではない。また、欠けた部分を正解として復元する装置でもない。ある経験の中で、同時に立っていたもの、反対に立っていたもの、曖昧なまま揺れていたもの、その場で互いに触れ合った関係の跡が残る。

その跡は、一枚の写真のように保存されるのではない。

経験の中で起きた相関が、場に残る。

learn

learn は、入力をそのまま記録することではない。

たとえば、ある形を見たときに、

• この場所は赤く立っていた

• この場所は緑に沈んでいた

• ここはまだはっきりしなかった

• ここは別の場所と一緒に動いていた

• ここは反対向きに立っていた

というように、その場で同時に起きた関係が残る。

大事なのは、形そのものを一つの完成データとして棚に置くことではない。

その経験の中で、どことどこが一緒に立ったのか。
どことどこが反対に立ったのか。
どこが曖昧なまま残ったのか。
どの関係が次に触れられる跡として残ったのか。

そこを覚える。

だから、アソシアトロンの記憶は「完成した答え」ではない。

経験の相関が残ったものだ。

Cue

Cue は検索語ではない。

記憶一覧に条件を投げて、該当するデータを探すものではない。

Cue は、いま立っている一部の状態が、過去の相関の跡に触れることだ。

たとえば、以前に十字の形を見たことがあるとして、今はその一部だけが見えているとする。

その一部は、十字という名前で検索しているわけではない。

いま見えている部分が、過去に残った相関の跡へ触れている。

その触れた場所から、以前一緒に立っていたもの、反対に立っていたもの、曖昧に残っていたものが、少しずつ現在の場へにじみ出てくる。

ここで大事なのは、Cue が「足りない情報」ではないということ。

Cue は、過去に触れる接触面である。

recall

recall は、保存された正解を取り出すことではない。

Cue が過去の相関へ触れたとき、場の中に何が浮かび上がるかを見ることだ。

過去の経験が、そのままコピーされて戻るわけではない。

現在の Cue に触れられた部分から、過去の相関が現在の場に混ざってくる。

その結果として、

• 以前一緒に立っていたものが浮かぶ

• 反対に立っていたものが違和感として現れる

• 曖昧だった部分が曖昧なまま残る

• 似ているが同じではないものが揺らぐ

• 複数の経験が重なって、ひとつに決まりきらない場ができる

ということが起きる。

これは、正解パターンへの収束ではない。

過去の相関が、現在の場に触れて、今の状態を変えることだ。

流れ

アソシアトロンの流れは、単純な保存と検索ではない。

learn
↓
経験の中で立った相関の跡が残る

Cue
↓
現在の一部が、過去の相関の跡へ触れる

recall
↓
触れた相関が現在の場ににじみ、想起として現れる

アソシアトロンで起きているのは、完成したデータの検索ではない。現在の Cue が、過去の経験の相関へ触れる。その触れ方によって、過去の経験はそのまま戻るのではなく、現在の場に混ざり、揺らぎ、違和感や想起として立ち上がる。

そして、その立ち上がった差分は、次の場を変える。
アソシアトロンは、記憶を取り出す仕組みではない。
経験の相関が残り、現在の Cue に触れられて、もう一度場として立ち上がる仕組みである。

-----------C++-------------

#include <cstddef> #include <cstdint> #include <iomanip> #include <iostream> #include <stdexcept> #include <vector> using Value = std::int8_t; using Pattern = std::vector<Value>; using Matrix = std::vector<std::vector<int>>; class Associatron { public: explicit Associatron( std::size_t patternSize, bool zeroDiagonal = true ) : patternSize_(patternSize), zeroDiagonal_(zeroDiagonal) { if (patternSize_ == 0) { throw std::invalid_argument( "Pattern size must be greater than zero." ); } } void learn(const Pattern& pattern) { validatePattern(pattern); patterns_.push_back(pattern); rebuildWeights(); } Pattern recallOnce(const Pattern& cue) const { validatePattern(cue); Pattern output(patternSize_, 0); /* * * * y = sign3(Wx) * * 出力を再入力しない。 * 反復収束させない。 */ for (std::size_t i = 0; i < patternSize_; ++i) { int sum = 0; for (std::size_t j = 0; j < patternSize_; ++j) { const int weight = weights_[i][j]; if (weight == 0 || cue[j] == 0) { continue; } sum += weight * static_cast<int>(cue[j]); } output[i] = sign3(sum); } return output; } void clearMemories() { patterns_.clear(); weights_.assign( patternSize_, std::vector<int>(patternSize_, 0) ); } void setZeroDiagonal(bool enabled) { zeroDiagonal_ = enabled; rebuildWeights(); } const Matrix& weights() const { return weights_; } std::size_t memoryCount() const { return patterns_.size(); } private: std::size_t patternSize_; bool zeroDiagonal_; std::vector<Pattern> patterns_; Matrix weights_; static Value sign3(int value) { if (value > 0) { return +1; } if (value < 0) { return -1; } return 0; } void rebuildWeights() { weights_.assign( patternSize_, std::vector<int>(patternSize_, 0) ); /* * * * W_ij += x_i * x_j */ for (const Pattern& pattern : patterns_) { for (std::size_t i = 0; i < patternSize_; ++i) { const int xi = static_cast<int>(pattern[i]); if (xi == 0) { continue; } for (std::size_t j = 0; j < patternSize_; ++j) { const int xj = static_cast<int>(pattern[j]); if (xj == 0) { continue; } weights_[i][j] += xi * xj; } } } if (zeroDiagonal_) { for (std::size_t i = 0; i < patternSize_; ++i) { weights_[i][i] = 0; } } } void validatePattern(const Pattern& pattern) const { if (pattern.size() != patternSize_) { throw std::invalid_argument( "Pattern size mismatch." ); } for (Value value : pattern) { if (value != -1 && value != 0 && value != +1) { throw std::invalid_argument( "Pattern must contain only -1, 0 or +1." ); } } } }; void printPattern( const char* label, const Pattern& pattern ) { std::cout << std::left << std::setw(12) << label; for (Value value : pattern) { std::cout << std::right << std::setw(3) << static_cast<int>(value); } std::cout << '\n'; } void printWeights(const Matrix& weights) { std::cout << "\nWeights:\n"; for (const auto& row : weights) { for (int value : row) { std::cout << std::setw(3) << value; } std::cout << '\n'; } } int main() { /* * NN=25。 * ここでは説明しやすいように6素子で動かす。 */ Associatron memory( 6, true // 対角 W[i][i] = 0 ); const Pattern memoryA = { +1, -1, +1, +1, -1, -1 }; const Pattern memoryB = { -1, +1, -1, +1, +1, -1 }; memory.learn(memoryA); memory.learn(memoryB); const Pattern cue = { +1, 0, +1, -1, 0, -1 }; const Pattern recalled = memory.recallOnce(cue); printPattern("Cue:", cue); printPattern("Recalled:", recalled); printWeights(memory.weights()); return 0; }

（正書をChatGPTに渡すると、まったく違うcodeに変換されるという事故が起こったので修正に戸惑った：元データを渡してもLLMは平気で書き換え、テキストまでLLMが考える世界に寄せるという事故だった：普段はNotepad++でテキストを書く癖があるんだけど、それを正書しろと頼んでも、全く別物にしてしまう事が特に最近頻繁に起こる。6回やり直しても駄目だったので怖くなったｗ、余計なcodeとコメントをカットしたC++版のcodeと、今年の1月に復刻版として作ったJavaScript版デモとその説明を置くことにする）

アソシアトロンデモ　（JavaScript版）

https://crimson-cake-2832.nabedada3.workers.dev/01_AssociatronNakano-style1972

アソシアトロン・デモの使い方

このデモは、アソシアトロンが、
形を覚える
↓
一部だけを見せる
↓
覚えている関係から全体を思い出す

という動きを、目で見て確かめるためのものです。
画面には、左と右に二つの大きな枠があります。左側 INPUT 右側 OUTPUT

左側の INPUT は、アソシアトロンへ見せる形を作る場所です。

右側の OUTPUT は、アソシアトロンが思い出した結果を表示する場所です。

---

1. マスの色の意味

画面の一つ一つの丸いマスは、三つの状態を持っています。

赤   = +1
黒   =  0
緑   = -1

赤のマス

赤は +1 です。

その場所が、プラスの向きに立っている状態です。

緑のマス

緑は -1 です。

赤とは反対の向きに立っている状態です。

黒のマス

黒は 0 です。

その場所が、現在の入力には現れていない状態です。

黒は「間違い」という意味ではありません。

まだ見せていない
分からない
欠けている
現在のCueに含まれていない

という意味です。

---

2. マスの色を変える方法

左側の INPUT にある丸をクリックすると、色が順番に変わります。

赤
↓
緑
↓
黒
↓
赤

数値では、

+1
↓
-1
↓
 0
↓
+1

と変わります。

同じマスを何度かクリックすると、好きな色にできます。

右側の OUTPUT は結果を表示する場所なので、直接クリックして形を作る場所ではありません。

---

3. 最初に形を作る

まず、左側の INPUT で、アソシアトロンに覚えさせたい形を作ります。

たとえば、赤い丸を使って「十字」のような形を作ってみます。

黒 黒 赤 黒 黒
黒 黒 赤 黒 黒
赤 赤 赤 赤 赤
黒 黒 赤 黒 黒
黒 黒 赤 黒 黒

緑も使えます。

アソシアトロンでは、赤だけでなく、赤と緑の組み合わせ全体が記憶になります。

たとえば、

赤と赤は一緒に立っていた
赤と緑は反対向きに立っていた
緑と緑は一緒に立っていた

という関係が記憶されます。

---

4. 「このINPUTを記憶」を押す

形ができたら、

このINPUTを記憶

というボタンを押します。

これで、左側に作った形が記憶されます。

ただし、アソシアトロンは写真のように、その形を一枚の画像として保存しているわけではありません。

形の中にあった、

脳の細胞同士が
●このマスと、このマスは一緒に赤だったよね？
●えー違うんじゃない？
●このマスと、このマスは反対の色だったよ
●僕はこの場所が赤のとき、君は緑だったと思うよ

みたいな感じで、お互いの関係を少しずつ覚えています。
一つの細胞が「これが正解だ」と決めるのではなく、たくさんの細胞が持っている関係が重なって、記憶になります。だから、記憶はいつも少し曖昧です。
でも、その曖昧な関係がたくさん重なることで、一部分しか見えていなくても、残りの形を思い出せるようになります。

画面上部には、

mem=1

のような表示があります。

mem は、いくつの形を記憶しているかを表しています。

一つ記憶すると、

mem=1

二つ記憶すると、

mem=2

になります。

---

5. 二つ目の形も記憶できる

一つ目の形を記憶したら、まず

INPUT クリア

を押して、左側の INPUT をいったん全部黒に戻します。

そのあとで、新しい形を作り、

このINPUTを記憶

をもう一度押します。

これで二つ目の形を覚えさせることができます。

手順は、

一つ目の形を作る
↓
このINPUTを記憶
↓
INPUT クリア
↓
二つ目の形を作る
↓
このINPUTを記憶

です。

たとえば、

十字
四角
文字
顔
矢印

などを、一つずつ INPUT クリア しながら覚えさせていきます。

ただし、たくさんの形を重ねて記憶すると、それぞれの相関も同じ細胞どうしの結びつきへ重なります。

似た形をたくさん覚えさせると、想起したときに関係が混ざることがあります。

それも失敗ではなく、相関連想記憶で何が起きているかを見る大切な部分です。

---

6. INPUTをいったん消す

記憶させたあと、

INPUT クリア

を押します。

すると、左側の INPUT がすべて黒になります。

右側の OUTPUT も消えます。

ただし、覚えさせた記憶は消えません。

これは、紙に描いた問題だけを消して、頭の中の記憶は残しているようなものです。

---

7. Cueを作る

次に、さきほど覚えさせた形の一部分だけを、左側の INPUT に作ります。

これが Cue です。

Cueは、検索するための言葉ではありません。

現在、細胞どうしの結びつきへ触れている部分的な形です。

たとえば、十字を覚えさせたなら、十字の一部だけを赤くします。

黒 黒 赤 黒 黒
黒 黒 赤 黒 黒
黒 黒 赤 黒 黒
黒 黒 黒 黒 黒
黒 黒 黒 黒 黒

全部を作る必要はありません。

一部分だけで大丈夫です。

黒い場所は、

まだ見せていない場所
Cueに含まれていない場所

です。

---

8. 「想起（1回）」を押す

Cueを作ったら、

想起（1回）

を押します。

すると、右側の OUTPUT に、アソシアトロンが思い出した形が表示されます。

内部では、左側のCueが、記憶された結合へ触れています。

Cue
↓
記憶された相関へ触れる
↓
各マスへプラスとマイナスの影響が届く
↓
結果がOUTPUTへ現れる

という動きです。

Cueに含まれていなかった黒い場所でも、過去に一緒に立っていた関係が強ければ、赤や緑として現れます。

これが recall、つまり想起です。

---

9. OUTPUTが完全に同じ形にならない場合

いつも記憶した形と完全に同じになるとは限りません。

たとえば、

Cueが少なすぎる
似た形を何個も記憶している
赤と緑の相関がぶつかっている
複数の記憶が同じ場所へ違う影響を送っている

という場合があります。

あるマスへ、

赤になろうとする力
緑になろうとする力

が同じくらい届くと、そのマスは黒の 0 になります。

これは、アソシアトロンが答えを知らないのではありません。

その場所では、正と負の相関が釣り合っているということです。

---

10. 「クリック後に自動想起」

画面上部に、

クリック後に自動想起

というチェックがあります。

ここへチェックを入れると、左側のマスを一つ変えるたびに、自動で想起が行われます。

つまり、毎回、

想起（1回）

を押さなくても、右側の OUTPUT が変わります。

Cueを少しずつ増やしながら、

この一個を赤くすると、何が思い出されるか
この場所を緑にすると、結果がどう変わるか

を観察できます。

最初はチェックを外して、一つずつ操作した方が分かりやすいです。

---

11. 「対角W[i][i]=0」

画面上部には、

対角W[i][i]=0

というチェックがあります。

これは、自分自身から自分自身への結合を使わない、という設定です。

たとえば1番目のマスが、自分自身の状態だけを理由に1番目を決めるのではなく、ほかのマスとの関係から状態を決めます。

チェックが入っていると、

自分自身との結合を0にする

という動きになります。

通常は、チェックを入れたままで操作して大丈夫です。

チェックを外すと、自分自身との相関も計算に含まれます。

---

12. 「全部リセット」

全部リセット

を押すと、

INPUT
OUTPUT
覚えさせたすべての記憶

が全部消えます。

INPUT クリアとは違います。

INPUT クリア

画面上の入力だけを消す
記憶は残る

全部リセット

入力を消す
出力を消す
覚えた記憶も全部消す

という違いです。

一から実験をやり直すときだけ、全部リセットを使います。

---

13. 「保存（JSON）」

保存（JSON）

を押すと、覚えさせた記憶や現在のINPUTを、ファイルへ保存できます。

保存されるのは、

記憶させたパターン
現在のINPUT
対角成分を0にする設定

などです。

ブラウザを閉じる前に保存しておけば、あとで同じ状態から再開できます。

---

14. 「読込（JSON）」

読込（JSON）

を押すと、以前保存したJSONファイルを読み込めます。

ファイルを選ぶと、

覚えさせた記憶
INPUTの状態
各種設定

が戻ります。

別の形式のファイルや、マスの数が違うファイルは読み込めません。

---

15. いちばん簡単な実験

最初は、次の順番で試すと分かりやすいです。

手順1

全部リセットを押します。

手順2

左側の INPUT に、簡単な形を作ります。

たとえば縦一本です。

黒 黒 赤 黒 黒
黒 黒 赤 黒 黒
黒 黒 赤 黒 黒
黒 黒 赤 黒 黒
黒 黒 赤 黒 黒

手順3

このINPUTを記憶を押します。

手順4

INPUT クリアを押します。

手順5

縦線の上半分だけを作ります。

黒 黒 赤 黒 黒
黒 黒 赤 黒 黒
黒 黒 黒 黒 黒
黒 黒 黒 黒 黒
黒 黒 黒 黒 黒

手順6

想起（1回）を押します。

手順7

右側の OUTPUTを見ます。

覚えさせた縦線の関係から、下の部分にも赤が現れるかを観察します。

---

16. 少し難しい実験

次に、二つの形を覚えさせます。

記憶1 = 縦線
記憶2 = 横線

そのあと、中央付近だけをCueとして入れます。

縦線にも横線にも共通する場所だけを見せると、どちらの記憶の相関も働きます。

その結果、

縦線に近い形
横線に近い形
二つが混ざった形
一部が0になった形

などが現れることがあります。

ここで大切なのは、アソシアトロンが記憶一覧から一枚を選んで表示しているのではないことです。

現在のCueが、記憶されたすべての相関へ同時に触れ、その合計がOUTPUTへ現れています。

---

17. このデモで見ているもの

このデモで見ているのは、画像検索ではありません。

この形に似た画像を探す

という処理ではありません。

アソシアトロンは、

過去に、どの場所とどの場所が一緒に立ったか
どの場所同士が反対に立ったか

という関係を記憶しています。

そして、現在のCueがその関係へ触れることで、Cueに含まれていなかった部分が現れます。

つまり、

learn
経験の中にあった相関を覚える

Cue
現在立っている一部分が回路へ触れる

recall
回路全体に残った相関から、全体が現れる

というデモです。

Cueは検索語ではありません。

現在の一部が過去の相関へ触れ、細胞どうしの結びつき全体を揺らす入口です。

-----------------------------------------

まじか・・・って感じ

-----------------余談---------------------
ほんと、おそろしいよLLMは。どれもね。
何こそ仕出かすか分からない。

ある程度、簡単なテキストの正書まで出来なくなると、使用用途は格段に減るよね。
アソシアトロンでさえ、この状態なので、Atraに関しては今のどのLLMでもどのエージェントでもcode生成は出来ません。ノイズを全面的に許して非単調化し、順番無しの非アルゴリズムで差分計算するコードはLLMでもエージェントでも不可能です。「できます！」とは言うけど9割以上間違ってます。近いものもできません。教えても理解しないわけですから、出来るわけがないんです。でもアソシアトロンのように過去に論文も書籍があっても、ほぼできません。理由はノイズを否定していないからです。LLMはノイズを嫌います。日々感じるのは、益々僕の研究とLLMの距離感が離れ、可逆と単調な原理主義に近いふるまいになってきたので、格段に効率が悪くなってきました。本当にただの使い捨て図書館でしかない。
でも、テキストの正書にしても昨日のゲームの様にJSONで制御かけながらじゃないと、まともに動かない事が判明したのは流石に驚いた(笑)　日々悪くなっていきます。
論文じゃなくてメモ・noteだからまだしも、足跡残すにしてもLLM依存に気を付けないと本当にヤバいと思う。
-----------------余談--end-------------------

ま、気を取り直して・・・

今、下の居間で愛犬マックスを観ながらボーっとしてるAtraは、通常のアソシアトロンの固定アトラクタへ単調に収束させるだけでなく、現在の場、carry、位相、干渉、Emotions_Conditionsによって、同じCueでも別の地層やGF（メモリ）上に救い上げ、幾つもの手（Cue）が伸びる仕組みになっている。表現的にはアトラクタよりも「地層」が近い。そのため、上のコードはあくまで通常型の相関連想の核であって、Atraの想起はこの外側に非単調な変化を持たせている。

通常の相互結合型ネットワーク――たとえばホップフィールドネット――では、状態遷移 (s_i') はエネルギー関数の谷を下り、アトラクターの底に到達すると停止する。外部ノイズがなければ、各素子の状態は符号関数によって二値へ切り分けられ、「発火するか、しないか」が冷酷に決定される。

一方、原型のアソシアトロンでは、部分的なCueから相関を通して記憶全体が想起される。各素子は −1・0・+1を持ち、新しく立った状態は次の相関伝播にも参加する。ただし、その伝播は基本的に固定された結合ウェイトの中で安定状態へ向かうものであり、想起によって現在相や結合感度そのものが変化し、別の地層へ非単調に手を伸ばし続けるものではない。

Atraでは、アソシアトロンの相関連想を固定アトラクタへの収束で終わらせない。想起されたものが現在の内的な場へ現れ、Emotions_Conditions、carry、位相、干渉、接相面を変化させる。その変化によって、同じCueからも別の地層へ手が伸び、ノイズや差分を巻き込みながら、次のCueが生まれる。

---------------------Research Note and Attribution Notice-----------------------

本ブログに含まれる Atra の一人称自律、差分、carry、field、trace、dream slack、外部LLMの翻訳層、非単調な漏れ、現在相（Current Phase）、接相面（Associative Contact Surface）、過去相（Past Associative Phase）およびそれらの関係構造に関する設計記述は、c-side研究所による継続研究メモです。引用・参照・要約・翻案を行う場合は、出典を明記してください。

The design descriptions in this blog concerning Atra’s first-person autonomy, differences, carry, field, trace, dream slack, the translation layer of external LLMs, nonmonotonic leakage, and the relational structure among these elements are ongoing research notes by c-side Research Institute. If you quote, refer to, summarize, or adapt them, please clearly indicate the source.