認知神経科学の最前線に関する文献共有
基本情報
タイトル: Inferring the internal structure of groups through the integration of statistical learning and causal reasoning（統計学習と因果推論の統合による集団内部構造の推論）
発表日: 2026 年 1 月 23 日
掲載誌: Nature Communications
インパクトファクター: 15.7
原著論文の入手方法:
- アシスタント「PSY-Brain-Frontier」を追加すると、PDF バージョンを入手可能です。
- ページ下部の「原文を読む」をクリックすると、論文の元ページへ遷移します。
研究の背景
新会社に入社した初日のことを想像してみてください。誰もあなたにオフィスの権力構造を明確に教えてはいないにもかかわらず、同僚たちの断片的なやり取り（誰が誰に指示を出し、誰が誰とよく昼食を共にしているかなど）を観察するだけで、谁是がリーダーで、誰が中核的なサークルのメンバーなのか、そして困難な際に誰に助言を求めればよいのかを、瞬く間に理解することができるでしょう。
人間の社会生活は、重なり合う関係性から成る豊かなネットワークの中で展開されます。これらの構造には、階層制度、友情、そして協力的な同盟関係が含まれています。しかし、私たちが日常において目にする相互作用は極めて希薄でノイズに満ちており、これほどまでに限られた手がかりから、潜在する集団内部の構造を推論することは、巨大な認知的挑戦と言えます。過去の研究の多くは、集団間相互作用（「私たち」と「彼ら」という単純な成員区分）に焦点を当てるか、人々が固定的で硬直したヒューリスティックな図式に依存して関係性を理解しているに過ぎないと考えてきました。しかし、これでは人間社会構造の複雑さ、柔軟性、そして生成性を説明することは明らかにできません。
最近、顶级学術誌『Nature Communications（ネイチャー・コミュニケーションズ）』に掲載された画期的な研究は、見事な認知フレームワークを提案しました。人間社会知能の中核は、「ドメイン一般性」を持つ統計学習能力と、「ドメイン固有」な社会構造の因果モデルとを完璧に統合し、脳内で説明、予測、計画を支える社会的ネットワーク表現を瞬時に構築する点にあるというのです。
研究の核心要約
本研究中、研究チームは 3 つの巧妙に設計された認知行動実験を実施しました。被験者には高度に抽象化された人型の相互作用アニメーションを視聴させ、人間の社会構造推論プロセスを定量化するベイズ推論に基づく計算認知モデルを開発しました。
図 1: 社会構造表現の例と、各構造に関連する生成モデル。
1. ベイズ脳による社会計算メカニズム
研究によると、我々の脳は社会情報を処理する際、まず「中華料理店プロセス」に類似するノンパラメトリックな統計学習メカニズムを用いて、人々の相互作用パターンの類似性に基づき、異なる抽象的な役割やサブグループへとクラスタリングします。しかし、それだけでは不十分です。脳はさらに「素朴社会学（naive sociology）」と呼ばれる直感的なドメイン知識を呼び出します。これは、特定の社会構造において期待される振る舞いを規定する内在的な因果モデルです。例えば、権力関係は通常、一方的な命令伝達とその拒否には高いコストが伴うことを意味し、友情関係は双方向的かつ対称的な社会的誘いを示唆します。この純粋な統計的クラスタリングと因果的常識とをシームレスに統合することで、観察者はベイズ推論を通じて、無限にあり得るグラフ構造の中から、現在の観察データを最もよく説明する社会的ネットワークを逆算的に復元することができるのです。
図 2: 実験 1 における刺激と反応形式。
2. 微細なものから著しいものを知る：潜在する集団内部構造の復元
最初の実験では、被験者は業務指示、社会的誘い、あるいは助言の要請を示す短い相互作用アニメーションを数本視聴しただけでした。その結果、人々は断片的な動作から、背後にある権力の階層、友情に基づく小集団、そして師弟関係ネットワークを正確に推論できるだけでなく、候補となる構造の妥当性に対してきめ細やかな確率的評価を下すこともできました。人間に見られるこのようにグラデーションがかかり、定量的で不確実性を帯びた判断パターンは、計算モデルの予測と極めて高い一致を示しました。これは、いかにデータが曖昧であっても、私たちがやみくもに推測しているのではなく、極めて厳密かつ高精度な確率計算を行っていることを示しています。
図 3: 実験 1 の結果概要。参加者の平均判断（Y 軸）とモデル予測（X 軸）を対比。
3. 未来を洞察する：表面的な頻度を超えた行動予測
私たちは他者を観察する際、単に「誰と誰が最も多く会話をしているか」を暗記しているに過ぎないのでしょうか。答えはノーです。研究によると、将来ある役割の人物がたまたま不在の場合、他の誰が誰と相互作用するかを予測するよう求められた際、被験者は過去の表面的な相互作用の頻度を単に推測するだけではありませんでした。その代わり、人々は脳内でまさに今、暗黙的に構築されたばかりの「社会的関係ネットワーク」を抽出・利用し、未だ起こっていない新しい行動を予測していました。この予測能力は、私たちの社会認知が、深層的かつ柔軟な生成モデルを構築していることを力強く裏付けるものです。
図 4: 研究 1a（権威）からの 2 つの試行例。各試行における参加者の反応と、3 つのモデルによる予測を併記。
4. 塩梅を掴む：複雑な関係ネットワークにおける影響力の推論
現実生活の小集団は、往々にして複数の構造が入り交じっています。同じメンバー間でも、上司への報告関係があれば、私的な雑談関係も存在します。複数の相互作用を総合的に検討した実験において、研究者は被験者に対し、異なるシナリオ下で誰が標的の人物を最も説得しそうかを判断させました。その結果、人間は影響力の種類に応じて、依存する基盤ネットワーク表現を極めて鋭敏に動的に切り替えることができることが示されました。例えば、「残業を余分にこなすか」といった業務上の決定においては権力の階層構造に依存する一方、「ある映画を観に行くか」といった娯楽活動の決定においては、暗黙的に推論された友情ネットワークモデルへと正確に切り替えるのです。
図 5: 実験 2 の結果概要。参加者の判断（Y 軸）とモデル予測（X 軸）を対比。
研究の意義
本研究は、私たちの認知アーキテクチャにおいて、「社会構造」の非心理化的な表現と推論は、個人の「心（こころ）」の表現（心の理論）に劣らず重要であることを痛烈に指摘しています。これは、人間の高次な社会知能を理解する上で極めて優雅な定量的枠組みを提供するだけでなく、将来的に異文化間の社会規範の差異を探求するための新たな扉を開くものです。
図 6: 実験 2 における刺激の例、ならびに参加者の反応とモデル予測。
図 7: 実験 3 の結果概要。参加者の判断（Y 軸）とモデル予測（X 軸）を対比。
図 8: 実験 3 からの試行例。参加者とモデルの予測を併記。
要旨（Abstract）
人間の社会生活は、友情、階層、協働など、重なり合う関係性の豊かなネットワーク構造の中で展開される。しかし、これらのネットワークを明らかにする観察可能な相互作用は、しばしば希薄でノイズが多く、いかにして人々がこれほど限られた証拠から社会的環境の潜在構造を推論しうるのかは不明瞭であった。我々は、人間がドメイン一般の統計学習と、社会構造に関するドメイン固有のモデルとを統合し、説明、予測、計画を可能にする因果的表現を急速に構築すると提案する。3 つの行動実験を通じて、社会的相互作用の短く抽象的な動画に基づき、参加者が潜在的な社会構造を推論し（実験 1）、社会的行動を予測し（実験 2）、社会的影響力の伝播について推論できること（実験 3）を示した。これらの判断は、我々の記述に基づく計算モデルによって極めてよく説明され、より単純な手がかりに基づく説明では説明しえなかった。統計学習と因果推論は共働して、社会構造に対する迅速かつ柔軟な理解を支えている。
評価をお願いします
このたび『Nature Communications』に採択された本研究は、その名に恥じない出来でしょうか。読者の皆様に「クラウド査読者」としてのご参加を賜りたく存じます。精読のうえ、匿名投票にてご評価いただき、コメント欄にて皆様の深いご所見を共有いただけますと幸いです。
共有者：飯鴿児（ファン・ガー）
査読：PsyBrain 脳心フロンティア編集部
💡 私たちについて
👋 こんにちは、ここは「PsyBrain 脳心フロンティア」です。
🧠 世界の認知神経科学における最先端のブレークスルーを追跡することに特化しています。
🔍 Nature, Science, Cell などの本誌、および Nat Neurosci, Nat Hum Behav, Neuron, Sci Adv などの主要誌やトップクラスの学術誌をダイレクトにカバーします。
📄 隔たりのない情報を提供する「深層解釈」と「最新速報」を毎日お届けします。
科学研究とは未知を探る長距離走ですが、一人で走る必要はありません。志を同じくするあなたをPsyBrain 学術コミュニティへ心より歓迎します。あなたを理解する仲間たちと共に、脳と心の果てしないフロンティアを測りましょう。
👇カードをクリックしてグループにご参加ください。皆様のお越しを心よりお待ちしております👇
ワンクリックで共有し、より多くの方に最前線の知識を