現在のAIが抱える課題に対し、人間の脳の仕組みから新たなアプローチを提案する「1000の脳理論」という仮説があります。本記事では、論文を通じてその興味深いメカニズムを考察します。

意味を理解するAIは作れるか？ 脳科学の仮説「1000の脳理論」を論文から考察する

はじめに

大規模言語モデル（LLM）の急速な発展により、AIは人間と遜色のない自然な言語を生成し、複雑な推論やプログラミングまでもこなすようになりました。この成果を目の当たりにすると、知能のメカニズムはすでに解明され、真の人工知能の実現は間近であるかのように感じられるかもしれません。

しかし、知能の「本質」という観点から評価すると、 現在のAIと人間の脳はまったく異なる原理で稼働している ことがわかります。

本記事は、「これが次世代AIの決定版である」と断言するものではありません。一人のリサーチ・エンジニアである筆者が、気鋭の脳科学仮説である「1000の脳理論」に出会い、公式論文の読解や実験データの検証を通じて、 「知能とは何か、そして真に世界を理解するAIを構築するには何が必要か」 を考察した記録です。

脳科学とAIの境界領域で議論されている最先端の仮説について、順を追って解き明かしていきます。

第1章：LLMと人間の脳は「全然違う」。圧倒的なエネルギーと学習効率の差

まずは現在のAIが抱える構造的な限界について整理します。現在のディープラーニングやLLMは、膨大なデータのパターンを抽出・模倣する点において極めて優秀ですが、 世界の物理的な「構造」を本当の意味で理解しているわけではありません 。

現在のAIのアプローチは、インターネット上の天文学的な量のテキストデータを読み込み、単語の確率的なつながりを統計モデルとして構築することに依存しています。そのため、「コーヒーカップとは何か」と問われれば、「飲み物を入れるための取っ手のついた容器です」と論理的で完璧な文章を返すことができます。しかし、AI自身はカップの重さを感じたことも、落として割った経験もありません。実世界における「身体を通じた運動と感覚（Sensorimotor）」の経験を欠いているため、コーヒーカップという物体が持つ三次元的な構造や物理法則を理解（グラウンディング）しているわけではないのです ¹。

さらに実用上の大きな課題となるのが、 学習に要する圧倒的なエネルギーとデータへの依存 です。現在の巨大なAIモデルを構築・運用するためには、人間の子供が一生かかっても読み切れないほどのデータセットと、膨大な電力を消費する計算リソースが必要不可欠です ¹。

一方で、私たちの脳の効率性に目を向けてみましょう。
人間の脳は、およそ20Wという極めて少ないエネルギーで稼働しています。そして、数百万回の試行錯誤を必要とせず、わずか数回の感覚的・運動的な経験を経るだけで、未知の物体の構造を理解し、新しい状況にも柔軟に適応することができます。

この圧倒的な「省エネ性」と「学習効率（Few-Shot Learning）の高さ」の差は、一体どこから生まれるのでしょうか。

「人間の脳は、現在のディープラーニングの延長線上にはない、より高効率で本質的な計算アルゴリズムを持っているのではないか」

この問いに対するひとつの有力なアプローチとして、次章では「1000の脳理論」という仮説のメカニズムに迫ります。

第2章：脳の省エネと高効率の秘密？ 有望な仮説「1000の脳理論」

脳を構成する基本単位「皮質コラム」とは何か

人間の脳が持つ驚異的な効率性の謎を解き明かすためのマイルストーンは、今から半世紀近く前に打ち立てられました。1978年、神経科学者バーノン・マウントキャッスルが提唱した「皮質コラムの均一性」という仮説です ²。

人間の脳の表面を覆う大脳新皮質は、厚さ約2.5ミリメートルの薄いシート状の組織であり、脳全体の体積の約7割を占めています。この新皮質を微視的に観察すると、表面から垂直方向に貫く 「皮質コラム（Cortical Column）」 と呼ばれる円柱状の構造が、まるでスパゲッティの束のように約15万個も敷き詰められていることがわかります。一つの皮質コラムの直径は1ミリメートル程度ですが、その中には数万〜十万個ものニューロン（神経細胞）が含まれ、極めて複雑な回路を形成しています ²。

マウントキャッスルは、この皮質コラムの内部構造が、視覚や聴覚、あるいは言語や高度な思考を司る領域のどこを見ても、驚くほど均一であることに気づきました。そして、 「新皮質はどの領域であっても、すべて『全く同じ計算アルゴリズム』で動いている」 という、当時としては非常に大胆な仮説を提唱したのです ²。

結局「1000の脳理論」とはどういう理論なのか？

では、この均一な皮質コラムを用いて、脳はいかにして知能を生み出しているのでしょうか。ジェフ・ホーキンスらが提唱する「1000の脳理論（Thousand Brains Theory）」は、現代の神経科学の知見をもとにそのアルゴリズムの正体に迫る試みです ³。

結論から言えば、この理論は 「人間の脳は一つの巨大な中央処理装置ではなく、数千から十数万の独立した『小さな脳（皮質コラム）』がネットワーク上で合意形成を行う分散システムである」 と主張するものです ³。

従来の考え方では、目や耳から入った情報は階層的に順次処理され、脳のどこか一箇所（高次領域）で最終的に「これはコーヒーカップだ」と統合・認識されると考えられてきました ⁴。しかし「1000の脳理論」はこれを否定します。
そうではなく、約15万個の皮質コラムの一つひとつが、自立した感覚運動システムとして、対象の「完全なモデル」を個別に学習・保持していると仮定するのです ³。つまり、あなたの頭の中にはコーヒーカップを理解する「小さな脳」が何千個も同時に並列して存在しており、それらが互いに通信し合うことで、私たちが感じる「一つのまとまった知覚」や「知能」が生み出されている、というのがこの理論の全体像です。

小人たちが持つ「座標系（透明なグリッド）」

このメカニズムを理解するために、一つの皮質コラムを「一人の小人」に見立ててみましょう。現在のAI（ディープラーニング）が世界を一枚の巨大なネットワークとして全体最適で処理しようとするのに対し、15万人の小人たちは、それぞれが独立して 「座標系（Reference Frames）」 を持っていると仮定されています ³。

「座標系」とは一体何でしょうか？
少し難しく聞こえるかもしれませんが、シンプルに 「目盛りが引かれた透明な方眼紙」 や 「スマートフォンの地図アプリ」 のようなものを想像してください。

たとえば、あなたが目隠しをされて見知らぬ町に降ろされたとします。目隠しを外して「噴水」が見えたとき、手元の地図（座標系）を開いて「自分は今、『町A』の『D-2』という座標にいる」と現在地をマッピングします。一度現在地が分かれば、地図の目盛りを使って「ここから東に2マス進めば図書館があるはずだ」と予測を立てて動くことができます。

ホーキンスは、脳内の小人たち（皮質コラム）がこれと全く同じことを行っていると主張します。小人たちは、目や皮膚などの感覚器官を通じて情報を得ると、対象物の構造を「3次元の透明な方眼紙（グリッド）」の中に配置していきます。
対象物がコーヒーカップであれば、「この座標のX・Y・Zの位置には取っ手がある」「この位置には縁がある」とマッピングし、カップの立体的な構造モデルを学習します。
さらに驚くべきことに、対象物が「数学」や「民主主義」といった形のない抽象概念であっても、小人たちはその論理的な構造を、目には見えない高次元の「座標系」の中にモデル化していくと考えられているのです ³。

「投票」による瞬時の合意形成

しかし、一人の小人（一つの皮質コラム）が一度に観測できる範囲はごくわずかです。コーヒーカップの「取っ手のカーブ」しか触れていない小人もいれば、「底の平らな部分」しか見ていない小人もいます。それぞれの持つ情報が断片的であるにもかかわらず、私たちが「これはコーヒーカップである」と瞬時に、かつ揺るぎなく認識できるのはなぜでしょうか。

ここで機能すると考えられているのが、小人たちによる 「投票（Voting）」 のメカニズムです。
小人たちは、長距離のネットワークを通じて、自身の座標系に基づく推論を互いに送り合います。「私はこの座標で丸いカーブを観測したから、これはコーヒーカップかドーナツの可能性がある」といった具合です。複数の小人たちが同時に意見をすり合わせることで、矛盾する仮説は即座に棄却され、全体として最も辻褄の合う一つの結論へと瞬時に「合意（コンセンサス）」が形成されます ⁵。

私たちが世界をどう知覚しているか。それは、どこかにいる中央集権的な単一のシステムがすべてを判断しているのではなく、 15万人の小人たちが行う分散的な「投票」のコンセンサス として立ち現れる現象であると、この理論は説明しています ⁵。

専門的解説：皮質コラムの物理層と層間ダイナミクスの仮説

上記のメタファーは、実際の生物学的な大脳新皮質の6層構造（L1〜L6）における神経力学的ダイナミクスをどのようにモデル化するかという、Numentaの研究チーム（Hawkins et al., 2017）の仮説に基づいています ⁵。彼らは、この構造が感覚運動統合と投票をどのように実現しているかについて、以下のようなネットワークモデルを提示しています。

• L4（感覚入力の受容と座標の統合）：視床などを経由したボトムアップの感覚入力（Sensory input）を受け取り、対象物に対する相対的な「位置（Location）」の表現と結びつける役割を担う層とされています。
• L6からL1への予測のトップダウン・フィードバック：上位の階層や運動指令のコピーを受け取り、L6の細胞からL1の領域へ「予測シグナル」が送出されると推測されています。
• デンドライトスパイクによるプライミング：L1に到達した予測シグナルは、L2/3やL5の錐体ニューロンの遠位樹状突起（Distal dendrites）にNMDAスパイクなどの非線形な活動を引き起こすと考えられています。これにより細胞は発火閾値に近い「脱分極（プライミング）状態」となり、予測通りの入力が来た際に極めて迅速かつ疎（スパース）に発火することが可能になります。
• L2/3（投票と不変表現の生成）：この層の細胞群は、皮質コラムをまたぐ長距離の水平結合（Long-range lateral connections）を持っており、これこそが「投票（Voting）」の物理的な実態であると仮定されています。各コラムが持つ局所的で曖昧な仮説が、L2/3の結合を通じて相互に評価・共有されることで、ネットワーク全体が急速に安定した単一の「対象物の不変表現（Object representation）」へと収束するとしています ⁵。

これらの計算論的アプローチにより、脳は物理的なハードウェアのレベルにおいても、「分散された予測」と「高速な合意形成」を極めて効率的に行うよう設計されているのではないか、という有力な仮説が立てられています。

では、この「座標系」と「投票」という脳のアルゴリズム仮説は、現在のAIが抱える課題に対して、具体的にどれほどのブレイクスルーをもたらす可能性を秘めているのでしょうか。次章では、公式の論文とシミュレーションデータを用いて、現代の最先端AI（ViT）と比較した「脳型推論」のパワーを検証します。

第3章：論文データで検証！ 現代AIを凌駕する「脳型推論」のパワー

第1章で投げかけた 「脳の圧倒的な省エネ性と学習効率の謎」 。その鍵となるのが、第2章で解説した「座標系」と「投票」というアルゴリズム仮説です。

本章では、この理論に基づく脳型AIシステム「Monty」と、最先端画像認識AI「Vision Transformer（ViT）」の比較実験データ（Leadholm et al., 2025）をもとに、そのパワーを検証します ¹。

両者の決定的な違いは 「知識の表現方法」 にあります。画像をピクセルの羅列として巨大な単一ネットワークで処理する既存AIに対し、Montyは対象を3次元の「座標系」に基づく構造モデルとして理解し、独立した皮質コラムに分散保持します。

この「構造的理解」と「分散保持」というアプローチが、既存AIといかなる圧倒的なパワーの差を生み出すのか。以下の4つの観点から見ていきましょう。

1. 学習効率（Few-Shot）

対象のあらゆる見え方を丸暗記しようとする既存AIは、一つの物体を認識できるようになるために、天文学的な量の画像データ（経験）を必要とします。
これに対し、Montyは「少ない経験での学習（Few-Shot Learning）」において驚異的な性能を示しました。論文の実験において、全く未知の物体を「たった1つの角度」から1回だけ観察させた直後にテストを行った結果、ViTの正解率が約30%にとどまったのに対し、Montyは約50%という極めて高い正解率を叩き出しました（※偶然正解する確率は1.3%） ¹。
構造を3次元の座標系で理解しているため、1回見れば「裏側はこうなっているはずだ」と推論できるからです。

2. 計算コスト（省エネ性）

第1章の「省エネ性」の疑問に対する答えがここにあります。
同じ物体の認識タスクにおいて、最先端のViTモデルが約8,600万のパラメータ（脳のシナプスに相当）を必要としたのに対し、Montyは約400万という、 およそ20分の一以下のスケール で同等以上の複雑な推論を実現しました ¹。
物体のすべての見え方を総当たりで巨大ネットワークで計算するのではなく、独立した複数の皮質コラムがそれぞれ局所的に計算を行い、その結果を「投票」ですり合わせているため、浮動小数点演算数（FLOPs）などの計算リソースを劇的に抑えることが可能になっているのです。

3. 継続学習と記憶

既存の巨大なAIモデルには 「破滅的忘却（Catastrophic Forgetting）」 という致命的な弱点があります。これは、AIに新しい物体を継続的に学習させようとすると、ネットワーク全体の繋がりが上書きされてしまい、昔覚えた記憶を完全に喪失してしまう現象です。
論文のテストで77個の物体を順番に覚えさせたところ、ViTは新しい物体を覚えるたびに深刻な破滅的忘却を起こし、過去の記憶の精度が急落しました ¹。
一方、Montyはこの問題を回避し、極めて高い精度を維持し続けました。各皮質コラムが独立した座標系の中に知識を分散保持しているため、新しい知識を追加しても、他のコラムが持つ古い知識の構造が破壊されないよう設計されているためです ¹。

4. ノイズへの堅牢性

システムが実世界で直面する「ノイズ（不確実性）」に対するタフさも証明されています。
学習時とは異なる未知の角度への「回転」や、新しい「色」の追加といった想定外のノイズ環境下で推論を行わせた場合でも、Montyは高い精度を維持しました ¹。
仮に、一部のコラムがノイズによって誤った推論を立てたとしても、他のコラムが正しい座標系に基づいて推論を行っていれば、コラム間の「投票（合意形成）」の過程で矛盾するエラーが自動的に排除されるためです。

専門的解説：Cortical Messaging Protocol (CMP) と公式コード

Montyシステムにおいて、複数の感覚モジュール（皮質コラム）がどのように情報表現を交換し、投票を行っているかについては、論文内で「Cortical Messaging Protocol (CMP)」として定義されています ¹。
CMPは、単なる生データのやり取りではなく、各モジュールが自身の「座標系（Reference Frame）」において対象物をどうモデル化しているかという「構造化された不変表現」を通信するためのプロトコルです。ViTのように画像パッチをフラットなトークン列として扱うアプローチとは異なり、CMPを介した通信は、情報が欠落した際や未知の回転が加わった際にも、モデルの推論を急速に単一のオブジェクト仮説へと収束させる（Votingによる安定化）役割を果たします。

本章で紹介したMontyシステムの本体コード、およびLeadholm et al. (2025) の実験を再現するためのソースコードは、ヌメンタによってオープンソース（MITライセンス等）で公開されており、以下の公式リポジトリから検証することが可能です。

• Monty本体のソースコード: https://github.com/thousandbrainsproject/tbp.monty
• 論文の実験再現コード: https://github.com/thousandbrainsproject/tbp.tbs_sensorimotor_intelligence

公式の実験データは、座標系と投票という脳由来のアルゴリズムが、既存AIの構造的な限界を突破しうる強力なアプローチであることを示唆しています。

次章では、本記事のまとめとともに、この理論が切り拓く「真の次世代人工知能（AGI）」と私たちの未来について考察します。

第4章：まとめと展望：1000の脳理論が切り拓く、人間らしい次世代AIの未来

本記事では、現在のAIが抱える構造的な課題から出発し、脳科学の有望な仮説である「1000の脳理論」のメカミズム、そして公式のシミュレーションデータが示すその圧倒的なパワーについて考察してきました。
これまでの議論を、現在のディープラーニング手法との比較表として総括します。

比較項目	現在のAI（ディープラーニング・LLM等）	1000の脳理論に基づくAI（Monty等）
知識の表現方法	ピクセルの羅列や単語の統計的確率を、全体で一つの巨大なネットワークとして保持。	15万の独立した「皮質コラム」が、多次元の「座標系（参照枠）」を用いて立体的・構造的モデルを保持。
学習効率（Few-Shot）	天文学的な量のデータ（経験）による力技の「丸暗記」が必要。	対象を構造として理解するため、少ない経験（一回の観察など）から全体像を推論可能。
計算コスト（省エネ性）	膨大なパラメータと莫大な計算リソース（電力）を消費する。	局所的な計算と投票アルゴリズムにより、極めて少ないパラメータ数とFLOPs（計算量）で稼働。
継続学習と記憶	新しい知識を上書き学習すると、過去の記憶が破壊される「破滅的忘却」が起こりやすい。	知識が個別のコラムに分散保持されるため、古い記憶を壊すことなく「継続的学習」が可能。
ノイズへの堅牢性	未知の角度や新しい色など、学習データにない「ノイズ」が混じると推論が破綻しやすい。	不完全な情報でも、コラム間の「投票（合意形成）」によって矛盾を瞬時に排除し、正しい正解を導ける。

大規模言語モデル（LLM）をはじめとする現在のAI技術は、特定のタスクや情報処理において、すでに人類にとって不可欠なインフラとなっています。しかし、この比較表が示す通り、「自ら環境に働きかけ、少ない経験から物理世界の構造を理解する」という真の汎用人工知能（AGI）の実現に向けては、膨大なデータと計算資源に依存する現在のアプローチではいずれ構造的な限界を迎える可能性が指摘されています ¹。

「1000の脳理論」が提示した「座標系と分散型の合意形成（投票）」というアルゴリズムは、AIを単なる統計的なパターン認識器から、真に世界を構造として理解する認知システムへと進化させるための強力な羅針盤となるはずです。

脳科学と工学が知見を交差させることで、私たちが「知能とは何か」という究極の問いの答えに辿り着く日は、そう遠くないでしょう。

---

より深く学びたい方へ：おすすめの書籍

本記事で紹介した「1000の脳理論」は、その提唱者であるジェフ・ホーキンス氏の著書において、さらに詳しく、魅力的なエピソードとともに語られています。脳の仕組みや人工知能の未来についてより深い知見を得たい方は、ぜひ原著をお手に取ってみてください。この革新的な理論は、あなたの「脳に対する認識」や「AIの未来への見方」を大きく変えるはずです。

• 『脳は世界をどう見ているのか: 知能の謎を解く「1000の脳」理論』
  • 著者: ジェフ・ホーキンス (著), 大田 直子 (翻訳)
  • 出版社: 早川書房
  • 書籍のAmazonページはこちら

記事のまとめ

• ポイント1： 今のAI（LLM）と脳は別物。AIは膨大なデータで丸暗記するが、脳は超省エネで効率的に学習する。
• ポイント2： その秘密は「1000の脳理論」。皮質コラムが座標系を用いて物体をモデル化し、コラム同士の「投票」によって知覚を統合している。
• ポイント3： 最新の論文データから、この脳型アルゴリズムが既存AIの弱点（破滅的忘却や膨大な計算コスト）を克服しうる強力なアプローチであることが示されている。

※免責事項：本記事はジェフ・ホーキンス氏らによる「1000の脳理論」および最先端のAI研究を、初学者にも直感的に理解できるよう独自のメタファー（比喩）を用いて解説したものです。学術的・数学的な厳密性よりも分かりやすさを優先して表現している部分があります。

参考文献

1. Leadholm, N., Clay, V., Knudstrup, S., & Lee, H. (2025). "Thousand-Brains Systems: Sensorimotor Intelligence for Rapid, Robust Learning and Inference", arXiv preprint arXiv:2507.04494. ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰

2. Mountcastle, V. B. (1978). "An organizing principle for cerebral function: The unit module and the distributed system". In The Mindful Brain, MIT Press, pp. 7-50. ↩ ↩² ↩³

3. Hawkins, J., Lewis, M., Klukas, M., Purdy, S., & Ahmad, S. (2019). "A framework for intelligence and cortical function based on grid cells in the neocortex", Frontiers in Neural Circuits, 12, 121. ↩ ↩² ↩³ ↩⁴ ↩⁵

4. Felleman, D. J., & Van Essen, D. C. (1991). "Distributed Hierarchical Processing in the Primate Cerebral Cortex", Cerebral Cortex, 1(1), 1-47. ↩

5. Hawkins, J., Ahmad, S., & Cui, Y. (2017). "A Theory of How Columns in the Neocortex Enable Learning the Structure of the World", Frontiers in Neural Circuits, 11, 81. ↩ ↩² ↩³ ↩⁴