総合ガイド・第2章

科学的基礎 — 何を、どの解像度で写せば「心」になるのか。

全脳エミュレーション（WBE）は「脳をスキャンしてコンピュータで動かす」という一文に要約されるが、その一文は6つの独立した工学問題に分解できる。この章では、対象である脳の基本数値、パイプラインの各段階、最大の未解決問題である「解像度の決定」、利用可能なスキャン技術、必要な計算量、そして主要な科学的反論を順に整理する。

難易度: 中（前提知識不要）引用: 28件

この章の目次

2.1 対象を知る — 脳の基本数値
2.2 WBEパイプラインの6段階
2.3 解像度問題 — 何を写せば十分か
2.4 スキャン技術の比較
2.5 計算量とデータ量
2.6 科学的反論と現在の応答
2.7 この章の要点
文献

2.1 The Object

対象を知る — 脳の基本数値。

定義

全脳エミュレーション（WBE）: 特定の脳の関連する構造・状態を十分な解像度で計測し、その因果的な情報処理を別の計算基盤上で再現すること。抽象的な「脳型AI」と異なり、特定個体の再現を目指す点が本質¹。シミュレーション（一般的な脳のモデル実験）とエミュレーション（特定の脳の機能的複製）は区別される。

生物	ニューロン数	シナプス数（概算）	脳体積（概算）	備考
線虫 C. elegans	302	≈7×10³	—（全身1mm）	唯一「全個体」の配線図が完成²
ハエ成虫（脳）	139,255	≈5.5×10⁷	≈0.08 mm³	全脳コネクトーム完成（2024）³
ゼブラフィッシュ幼生	≈1×10⁵	≈10⁸	≈0.1 mm³	全脳活動記録が可能な最大の脳
マウス	≈7×10⁷	≈10¹¹	≈500 mm³	1mm³のみ構造地図あり⁴
ヒト	8.6×10¹⁰	≈1.5×10¹⁴	≈1.2×10⁶ mm³	ニューロン数はHerculano-Houzelらの計測⁵。消費電力約20W

重要なのは絶対数より桁の距離である。構造地図が完成しているのはハエ（10⁵）まで。マウスまで残り約3桁、ヒトまでさらに3桁。そして体積あたりのデータ量は一定なので、ヒト全脳はハエ全脳の約1,500万倍の撮像・処理を意味する。一方でニューロンの動作原理（膜電位・シナプス伝達・神経修飾）は種を越えてよく保存されており、小さい脳で確立した手法は原理的にスケールする。この「桁は遠いが、道は連続している」という構図が本分野の基本感覚である。

2.2 The Pipeline

WBEパイプラインの6段階。

2008年のロードマップ¹以来、WBEは次の依存パイプラインとして理解されている。各段階は前段の出力を入力とし、どれか一つでも欠ければ全体が成立しない。

段階	内容	代表的技術	主な難所
① 保存・固定	脳の微細構造を劣化させずに固定し、長期保存する	灌流固定、アルデヒド安定化低温保存（ASC）⁶	死後劣化との時間競争、全脳を隙間なく固定する灌流品質
② 撮像（スキャン）	シナプスが見える解像度（数nm〜数十nm）で全体積を撮像する	電子顕微鏡（EM）各方式、膨張顕微鏡＋光学⁷	スループット。現行EMではヒト全脳に数百年〜（並列化前提）
③ 再構成	画像から全ニューロンの形状と全シナプスを抽出し配線図にする	AIセグメンテーション＋人手校正³	校正コスト（ハエで延べ数十人年）。誤りの連鎖
④ モデル化	静的な配線図に、シナプス重み・伝達物質・動作パラメータを与える	構造からの推論、分子アノテーション、デジタルツイン学習⁸	最大の科学的不確実性。静的構造にどこまで動的情報が含まれるか未知
⑤ 実行	モデルを計算機上で走らせ、身体・環境と接続する	スパイキングシミュレータ、物理シミュレーション身体⁹	ヒト規模のリアルタイム実行、身体・環境の忠実度
⑥ 検証	エミュレーションが元の脳と「同じ」であることを示す	行動一致、摂動応答、活動予測ベンチマーク¹⁰	合格基準の未確立。個人同一性の検証は原理的難問（第5章）

読み方

ニュースで「脳マッピングの快挙」を見たら、まずこの表のどの段階の話かを確認するとよい。②③（地図化）の進歩は速いが、④（モデル化）と⑥（検証）は桁で遅れている。この非対称が、進捗報道と専門家の慎重な時期見積もりのギャップの正体である。

2.3 Resolution

解像度問題 — 何を写せば十分か。

WBE最大の未解決問題は装置ではなく仕様である。「心を再現するにはどの物理量までコピーすべきか」に、まだ実験的な答えがない。ロードマップはこれをレベル分けで整理した¹。

エミュレーション水準	写し取る対象	必要計算量（概算）	現在の位置づけ
スパイキング・ネットワーク	全ニューロンの発火と全シナプスの重み	≈10¹⁸ FLOPS	作業仮説の下限ハエではこの水準で行動関連の応答再現に成功⁹
電気生理学的詳細	樹状突起の区画ごとの膜電位（HH型）¹¹	≈10²² FLOPS	有力な安全側仮説皮質微小回路で実証例¹²
代謝・分子動態	受容体分布、神経修飾物質、細胞内シグナル	10²⁵–10²⁷ FLOPS	必要性は部分的全面的に必要なら実現は大幅に遠のく
分子レベルの確率過程	個々の分子の挙動	≈10⁴³ FLOPS	実質不可能ここまで必要という証拠は現在ない

「コネクトームだけでは足りない」— 何が欠けるか

配線図（コネクトーム）は必要条件だが十分条件ではない。静的なEM画像から直接は読めない、あるいは読めるか未確定の要素が残る。

シナプス重み — EMではシナプスの面積・小胞数など形態的代理変数しか見えない。形態と機能的強度の対応は部分的⁴。
神経修飾物質 — ドーパミンやセロトニンなどは同じ配線の回路を文脈依存で「別の回路」に組み替える。甲殻類の胃神経節研究が示した古典的教訓¹³¹⁴。
電気シナプス（ギャップ結合）と体積伝達 — EMで見落とされやすく、シナプス外への拡散伝達は配線図の外にある。
グリア細胞 — 脳細胞の約半数を占め、シナプス強度調節や恒常性維持に関与。エミュレーションにどの精度で含めるべきか未確定。
可塑性と学習則 — 「その瞬間の脳」を写しても、変化し続けるための規則（可塑性）を正しく実装しなければ、人格は時間とともに乖離しうる。
縮退（degeneracy） — 異なるパラメータの組が同一の観測活動を生みうるため、計測を増やしても解が一意に決まらない可能性¹³。摂動実験と予測検証で候補を絞る方法論が必要。

線虫の逆説 — この分野で最も重要な教訓

線虫のコネクトームは1986年から存在するのに、40年たっても検証済みの線虫エミュレーションはない。理由は明快で、(1) 配線図に重みがない、(2) 線虫ニューロンは主に非スパイク型で電気生理データが乏しい、(3) 神経修飾への依存が大きい、からである²¹⁴。一方、ニューロン数が460倍のハエでは、スパイク型ニューロンと豊富な行動データのおかげで単純なLIFモデルでも検証可能な再現が得られた⁹。教訓: 難しさは大きさではなく、地図と動態の距離で決まる。

2.4 Scanning

スキャン技術の比較。

技術	解像度	実績	強み / 限界
連続切片EM（ssTEM/SEM）	≈4 nm	FlyWire（ハエ全脳）³	シナプス確実に可視 / 切片化が破壊的・低速
マルチビームSEM（mSEM）	≈4 nm	H01（ヒト皮質1mm³＝1.4PB）¹⁵	最速のEM / それでもヒト全脳には桁不足
FIB-SEM	≈8 nm等方	ヘミブレイン¹⁶	3D品質最高 / 対象体積が小さい
膨張顕微鏡＋光シート（ExM+LM）	実効≈10–60 nm	ハエ脳・皮質で実証⁷	高速・分子ラベル可能 / 単独では配線の連続性追跡が弱い
タンパク質バーコード（PRISM）	光学＋バーコード	マウス海馬10⁷μm³（E11 Bio）¹⁷	校正コストを桁で削減する設計 / 大規模実証はこれから
X線ナノトモグラフィ（XNH）	≈100 nm	マウス・ハエ神経束¹⁸	切片不要で高速 / 単独ではシナプス解像度に届かない
DNAバーコード（MAPseq等）	細胞単位	マウス投射地図¹⁹	超高速・安価 / シナプスレベルの配線は不可
MRI／拡散MRI	≈0.5–1 mm	ヒト全脳（Human Connectome Project）	非破壊・生体可 / 必要解像度の約10⁵倍粗い

非破壊スキャンの壁

生きたヒト脳をシナプス解像度で読み出す物理的手段は、既知の物理の範囲で存在しない。光は約1mmで散乱し、MRIは分解能が5桁足りず、電磁波で深部のnm構造を選択的に読む方法は原理から見つかっていない。したがって現実のWBE計画は「保存された脳の破壊的スキャン」を前提とする（これが保存技術と倫理が本題になる理由。第3章・第5章）。例外的な代替案として、BMIで脳と機械を長期接続し記憶・機能を漸進的に移す構想（渡辺の半球接続案など²⁰）があるが、必要なBMI帯域も未達成である。

2.5 Compute & Data

計算量とデータ量。

生スキャンデータ — ヒト皮質1mm³のEM画像が1.4ペタバイト¹⁵。単純換算でヒト全脳（約120万mm³）は1〜2ゼタバイト。これは2020年代中盤の全世界年間データ生成量の数%に相当し、保存より「撮りながら圧縮・再構成する」計算パイプラインが必須になる。
実行時の計算量 — ロードマップの見積もりでスパイキング水準≈10¹⁸ FLOPS¹。スパコンは2022年以降エクサ級（10¹⁸）に到達しており²¹、演算量だけならヒト1人分の下限仮説に既に触れている。独立の見積もり（Carlsmith 2020）は脳の機能実現に10¹³〜10¹⁷ FLOP/sと、より低い可能性も示す²²。
本当のボトルネック — スパイキング網の計算は演算よりメモリ容量・帯域・通信に律速される。10¹⁴シナプスの状態（数十〜数百TB）を毎ミリ秒更新し配送する構造は、FLOPS値ほど簡単ではない。
ニューロモルフィック計算 — スパイク通信に特化したハードウェア（SpiNNaker系²³、Intel Hala Point：11.5億ニューロン規模²⁴、DeepSouth：毎秒228兆シナプス演算²⁵）が、低電力の全脳規模実行の候補として並走している。
AIによる圧縮という新経路 — 2025年の「デジタルツイン」研究は、詳細な生物物理を陽に解かず、大量の活動データから応答関数を学習する道を示した⁸。忠実度の定義を「機構の複製」から「入出力の複製」へ緩めれば、必要計算量は桁で下がりうる——ただしそれを「その人」と呼べるかは第5章の問題になる。

2.6 Objections

科学的反論と現在の応答。

教科書として、反対論は撫でずに正面から載せる。各論点の現在のステータスを示す。

反論	代表的論者	現在の応答とステータス
「規模的に数世紀先」	K. ミラー（2015）²⁶	撮像・校正の桁数不足は事実。ただしAI自動化はミラーの想定を超えて進行中（ハエ全脳は2015年時点の予想より早く完成）。部分的に有効
「脳は計算可能ではない」	M. ニコレリス²⁷	脳の物理過程が計算でシミュレートできないという主張には実証的根拠が乏しく、HH以来の定量神経科学の成功と衝突する。少数派。少数派
「量子効果が本質的」	ペンローズ＆ハメロフ	脳内の量子コヒーレンスは熱雑音で即座に壊れるとの反論（テグマーク）が標準的²⁸。実験的支持は限定的で神経科学の主流仮説ではないが、完全決着もしていない。少数派
「コネクトームでは足りない」	マーダー、バーグマンら¹³¹⁴	正しい。WBE側もこれを認め、構造＋分子＋活動の統合計測と摂動検証を組み込む方向に進化した。反論というより設計要件。合意済みの要件
「身体と環境が不可欠」	身体性認知の系譜	同意が主流。ロードマップも身体・環境モデルを構成要素に含み、2026年のハエ実証は最初から身体つきで行われた⁹。設計に吸収済み
「機能を再現しても意識は宿らない」	サール、セスら	実証問題ではなく哲学の問題として未決着。理論間で予測が割れる（IITは否定側、機能主義は肯定側）。第5章で詳述。未決着

2.7 Summary

この章の要点。

要点

WBEは 保存→撮像→再構成→モデル化→実行→検証 の6段パイプライン。地図化（②③）は速く、モデル化（④）と検証（⑥）が遅い。
最大の未解決問題は装置ではなく仕様: 必要解像度は未確定で、スパイキング〜電気生理水準が作業仮説。全面的に分子水準が必要なら実現は大幅に遠のく。
計算はエクサ級到達で下限仮説の桁に入った。真の壁はデータ量（ヒト全脳≈1–2ZB）、メモリ帯域、そして自動校正。
生体の非破壊スキャンは物理的に見通しがなく、現実路線は保存脳の破壊的スキャン。ゆえに保存技術と倫理が科学の中心課題になる。
「コネクトームだけでは足りない」は反論ではなく確立した設計要件。線虫の逆説がその証明である。

References / 文献