オックスフォード大学とケンブリッジ大学の研究室では、研究者たちが、課題を何も解かず、ただ目を閉じて横になっている被験者の脳の電気活動を記録しています。刺激と反応を用いる従来の実験とは異なり、研究者たちはこれらの「自由な」信号に機械学習アルゴリズムを適用しています。得られたパターンは、単に脳活動を捉えるだけでなく、その瞬間に人が何を考えているのか――これから起こることの会議なのか、それともすでに終わった会話なのか――を予測することを可能にします。
2026年7月15日にNature Reviews Neuroscienceに掲載されたレビュー論文は、アンドレア・ルッピ氏とオックスフォード大学、ケンブリッジ大学、モントリオール大学、ダブリン大学の同僚によって執筆されました。ケンブリッジ大学セントジョンズカレッジのWellcome Early Career Fellowであるルッピ氏が、本論文の筆頭著者および責任著者です。
この論文は、脳の自発的活動が意識の理解における妨げではなくなってきていると主張しています。著者らは、データ駆動型アプローチが、以前は研究者たちが単なるノイズとして無視していた信号から意味のある情報をどのように抽出しているかを示しています。この研究は、EEG、fMRIのデータ、および人間、マウス、マカクの脳活動の比較分析を統合していますが、新しい実験は含まれていません。これは、すでに発表された研究をまとめた系統的なレビューです。著者らは利益相反がないことを報告しており、資金は標準的な大学の助成金を通じて提供されました。
Global Workspace Theory（グローバル・ワーキング・スペース理論）のような従来の意識理論は、外部刺激を用いた、人の注意が周囲の世界に向けられている研究に基づいて構築されてきました。自発的活動は、この従来のシナリオに疑問を投げかけます。「内的な」思考モードのために、独立したメカニズムが必要なのでしょうか？代替理論であるPredictive Processing（予測処理）は、脳が絶えず周囲の世界についての予測を生成していると示唆しています。
ルッピ氏とその同僚のデータは、外部からの入力がない場合でさえ、これらの予測が構造化され、認知的に意味のあるままであることを示しています。脳は、モデル化、分析、予測を続けています。しかし、このレビュー自体は、この構造化された自発的活動が現象的意識（主観的経験）の発生に十分であるのか、それとも単に認識を伴わない情報処理の機能的側面を反映しているだけなのか、という根本的な問いに最終的な答えを与えていません。
方法論的な限界は明らかです。ほとんどの研究は少数の被験者で行われ、機械学習アルゴリズムは、被験者の思考や注意の制御が最小限である完全な安静状態のデータで学習されました。著者らは、これらの科学的結果を臨床応用――手術中の麻酔管理から意識障害の診断まで――に展開するには、より大規模な患者群でのさらなる詳細な検証と妥当性確認が必要であることを率直に認めています。
このアプローチの本質をよりよく理解するために、固定されたスケジュールなしで線路上を走る電車を想像してみてください。以前は、エンジニアは駅での停車、つまり電車が止まっているか動き始める瞬間だけを研究していました。しかし今、彼らは駅と駅の間を車両がどのように移動しているのか――その速度、振動、システムの相互作用――を分析しています。同様に、データ駆動型の手法は、思考の停止だけでなく、脳の自発的活動が後続の反応をどのように「導き」、新しいタスクへの準備をどのように形成するのかを見ることができます。
もしこのアプローチが神経科学に定着すれば、研究者の実験実務だけでなく、「健康な脳」の「正常」と見なされるものについての私たちの基本的な理解も変わるでしょう。研究はすでに、麻酔下や未熟児における機能的結合のユニークさと複雑さの低下を示唆しており、これらは意識の状態のバイオマーカーとなる可能性があります。
