Alan Lincoln（2026）のレビュー論文 “Uncertainty reduction as a candidate primary reinforcer: an evolutionary and neural account” Neuroscience and Brain Research誌
本論文は、「不確実性が減ること」そのものが、人間にとって食物や水などと同様の一次性強化子（primary reinforcer）の候補ではないかという仮説を、行動分析学・進化神経科学・予測符号化・自由エネルギー原理を統合して論じたレビューです。著者自身は、現時点で一次性強化子であることが確立されたとはせず、検証可能な仮説として提示しています。
論文概要：不確実性の低減は一次性強化子となり得るか
1．中心的な主張
本論文の中心仮説は、「分からない状態から分かる状態になること」、すなわち予測的不確実性（predictive uncertainty）の低減自体が強化機能をもつというものです。
通常、一次性強化子とは、食物、水、温かさ、性的接触、痛みからの解放など、学習によって価値を獲得するのではなく、生得的・生物学的基盤によって行動を強化する事象をいう。著者は、不確実性の低減についても、①機能的基準、②発達的基準、③生理学的基盤、④系統発生的基準、という4つの観点から一次性強化子の条件を検討しています。
たとえば、「何が起こるか分からない」という状態で情報を探し、答えが分かったとき、その情報探索行動が将来増加するのであれば、「分かったこと」自体が強化子として作用した可能性がある。著者はこれを単なる「情報への好奇心」ではなく、より基礎的な強化メカニズムとして捉えようとしています。
2．神経学的基盤――NAc-LHbと予測誤差
仮説の中核となるのが、側坐核（nucleus accumbens：NAc）―外側手綱核（lateral habenula：LHb）を中心とする報酬・嫌悪系と、中脳ドーパミン系による予測誤差（prediction error）処理です。
期待より良い結果が生じた場合には正の予測誤差が、期待していた結果が得られなかった場合などには負の予測誤差が生じます。著者は、このシステムが「何が予測されたか」という内容そのものよりも、予測と結果のずれや、その解消という構造に反応する点を重視します。したがって、食物の獲得だけでなく、「答えが分かった」「予測が当たった」「曖昧だった状況が明確になった」といった情報的な不確実性の低減も、同じ報酬系を作動させ得ると考えます。
さらに、この基本的な神経回路はヤツメウナギのような古い脊椎動物にも存在し、約5億年以上にわたって保存されてきたとされるものです。このことから著者は、不確実性低減の強化機能は高度な言語や認知によって後天的に生じたものではなく、進化的に古い行動選択システムを基盤としている可能性を論じています。
3．「皮質下―小脳―大脳皮質」という3層モデル
本論文の特徴は、この古い強化システムに進化の過程で新しい神経システムが付加されてきたとする三層構造で説明している点にあります。
第一層は、NAc-LHbを中心とする皮質下の予測誤差システムです。ここでは行動は比較的反応的であり、予測された結果と実際の結果との関係に基づいて接近・回避行動が選択されます。
第二層として小脳が加わります。小脳のforward model（順モデル）によって、行動した「後」に結果を評価するだけでなく、行動する「前」に結果を予測できるようになります。特に著者は、小脳からNAcへ非常に高速に情報が伝達される経路を重視し、小脳が意識的・皮質的な評価よりも早く報酬価を調節する可能性を指摘しています。したがって、不確実性低減は単なる反応的なものから、予測的・探索的な行動を強化する仕組みへと拡張されます。
第三層が大脳皮質、特に前頭前野と言語関連領域です。これによってワーキングメモリ、長期的計画、言語、命題的思考が可能となり、不確実性低減の対象は、具体的な刺激や運動から「考え」「仮説」「信念」へと拡大します。その結果、人間では「なぜだろう」「答えを知りたい」「この説明なら納得できる」といった高度な認知行動にも、古い強化機構が関与すると考えられます。論文のTable 2は、この進化的拡張をヤツメウナギ→魚類→齧歯類→ヒト乳児→成人という流れで整理しています。
4．行動分析学との接点――自動強化と動機づけ操作
行動分析学との関係で特に重要なのは、著者が**automatic reinforcement（自動強化）とmotivating operations（動機づけ操作：MO）**にこの仮説を結びつけている点です。
従来「自動強化」と分類されてきた行動の中には、実際には「その行動によって不確実性が低減する」ことが強化子となっているものが含まれる可能性がある、と著者は提案します。つまり、「自動強化」という比較的広い機能分類の背後に、不確実性低減という具体的な強化メカニズムを想定できる可能性があります。
さらに興味深いのが、不確実性そのものを確立操作（EO）として捉える考え方です。不確実な状態になると、「答え」「説明」「予測可能性」をもたらす情報の強化価が上昇し、それを求める行動が誘発されます。これは、空腹になると食物の強化価が上がり、食物獲得行動が増えることと機能的に類似しています。著者は、不確実性が好奇心を高める一方で幸福感を低下させる研究を引用し、「空腹―食物」と「不確実性―情報」の対応関係を論じています。
さらに自由エネルギー原理とABAを接続し、MOを「free-energy gradientの行動的実装」と捉えるという理論的統合を試みています。空腹という勾配なら食物、暗闇なら光、情報的不確実性なら不確実性を解消する情報が、それぞれ強化子としての価値を増すという考え方です。
5．適応的行動と不適応的行動を同じ原理で説明する
この理論のもう一つの特徴は、科学的探究と誤った信念への固執を、まったく異なる動機ではなく、同じ「確実性を得ることによる強化」の異なる現れとして説明する点にあります。
科学者が仮説を立ててデータによって疑問を解決することも、自分の信念に一致する情報ばかりを集めることも、基礎的には不確実性を減らすという強化を伴い得ます。ただし人間では前頭前野などによる皮質的調節によって、証拠との照合や信念の修正が可能になります。したがって問題は「確実性を求めること」自体ではなく、新しい証拠に応じて予測や信念を修正できるかどうかにあるとします。
この観点から、著者は自閉スペクトラム症、不確実性不耐性、強迫症、統合失調症スペクトラムなどの臨床領域や、教育、SNSなどのデジタル情報環境への応用可能性も論じています。ただし、これらは統一的説明として確立されたものではなく、本理論から導かれる仮説・応用的示唆として扱う必要があります。
6．最大の課題――本当に「一次性」強化子なのか
著者自身が強調している最大の限界は、不確実性低減が報酬系を活性化することと、それが一次性強化子であることは同じではないという点です。
そこで論文では、明確な反証可能性をもつ実験を提案しています。食物などとは無関係な「確率的予測が解決されること」と任意の中性刺激を随伴させ、その刺激が条件性強化子としての機能を獲得するかを調べます。そして、その獲得・消去・般化の過程が、食物や水を一次性強化子として用いた場合と同様の学習曲線を示すかを検証します。さらに、新奇性、覚醒、課題完了、反応努力などの交絡要因を統制する必要があります。
したがって本論文の結論は、「不確実性低減は一次性強化子である」と断定するものではありません。むしろ、「一次性強化子の有力な候補であり、それを行動実験によって検証できる」という提案です。
まとめ
この論文をABAの観点から一言でまとめると、「分かること・予測できるようになること」そのものに強化価があり、その強化価は学習によって獲得された二次性強化ではなく、進化的に形成された一次性強化の一種かもしれない、という提案です。
特にABAとの接点として重要なのは、
①不確実性低減＝強化子
②不確実な状態＝MO
③不確実性を低減する探索・確認・情報獲得行動＝強化されるオペラント
④従来「自動強化」とされてきた一部の行動により具体的な機序を与える可能性
という整理です。
私が、博論で検討した schedule-induced behavior（SIB）、遅延場面で生じる行動問題、待つ行動、FCT、自己制御との接点もかなりあると思いました。とくに「待たされて、いつ強化子が得られるか分からない」という状態を、単なる強化の遅延だけでなく不確実性を高めるMOとして捉えるという方向は、私のSIB論文のDiscussionを広げる理論的材料になり得ると思いました。ただしLincoln論文の一次性強化子仮説はまだ実証前なので、今のところ、引用する場合は「新しい仮説として提案されている」と位置づけるのが適切です。
コメント