錯視について

錯視にまつわる一般論

特定の図形において、長さを間違って知覚したり、あるはずのないものが見えたりすることを、錯視と呼びます。人間の視覚認識におけるエラーと考えられており、主に心理学の一分野とみなされています。錯視の程度に個人差は認められますが、錯視の有無に個人差はほとんどありません。
錯視は高度に発達した人間の脳に特有の現象だと思う人も多いかもしれませんが、錯視は多くの哺乳動物で確認されています。また、魚類にも錯視があると言われています。視覚にかかわる脳の働きに関係があるため、脳科学としても研究されています。
さて、錯視が生じるメカニズムはどんなものなんでしょう？よくわからないので、人気の研究分野です。

錯視の個人差

有名な錯視のパターンの一つが下に示したミュラーリアーの錯視図形です。どのくらい長さが違って感じるかには、個人差がありますが、誰でも下の方が長く感じます。みなさんご存知の通り、長さは同じです。錯視のない人は、基本的にいません。

ミュラーリアーの錯視図形

動物に錯視があるということで、錯視は脳の錯覚ではなくて、光学的あるいは物理化学的な現象だということを示している、と考える人もいるかもしれません。物理や化学が錯視に作用するのは、ちょっと想像できませんが、画像処理的には、少しだけですが、ミュラーリアーの錯視を説明することができます。それは細線化と外挿です。細線化というのは、線を細くする画像処理です。図形を骨格だけにする操作で、人間は頭の中で線画を細線化処理している可能性があります。鋭角の図形を細線化すると、角の位置は少しだけ内側に寄ります。最大で線幅の半分移動します。逆に鈍角の場合は、線幅の半分まで外側の移動する可能性があります。ミュラーリアーの図形では、直線部は少しだけ錯視の通りに補正されます。しかし、最大でも線幅までです。先の図だと、もともと線が細いので移動量はほんの少し。そして、それよりはるかに大きな錯視を我々は感じます。だから、細線化では錯視を説明できません。
外挿というのは、図形が直線で構成されていると仮定して、交点を推定する操作を、ここでは仮にそう呼びました。この操作は、細線化で移動する位置を補正する方向に作用するので、錯視とは逆です。細線化も外挿も画像処理・解析の類なので、数学の範疇です。しかし、それも錯視を説明できません。

錯視はソフトウェアかハードウェアか

さて、誰でも同じように錯視があるなら、錯視の有無はＤＮＡで決まっている、と考えることもできます。魚類にだって錯視があるわけだから、ＤＮＡの奥深くに錯視の秘密があるかも知れません。でも直接錯視にかかわっているのは、我々の脳の知覚です。ＤＮＡに錯視の情報が組み込まれているなんてことがあるのでしょうか。
我々がＤＮＡについて知っていることは、ＤＮＡは体の設計図であるということです。「体」というのは、つまるところハードウェアです。つまり、ＤＮＡの情報というのは、主にハードウェアに関するものです。いやいや、生物が異性を生殖のパートナーに選ぶというのはソフトウェアの問題で、それはＤＮＡにプログラムされている、という反論もあるでしょう。でも、そういう感情面の制御は脳内化学物質のバランスが重要で、感情はおおむねハードウェア制御と言えるかもしれないのです。一方、理性は後天的な要素なので、ソフトウェアと考えられます。人間のソフトウェアは、脳内の神経細胞のネットワークで構成されていて、DNAでは、細かなネットワークの構造を記述するには情報量が不足します。だから、DNAをいくら調べても、錯視のメカニズムの記述は見つからないでしょう。
錯視は我々の知覚の問題だと考えると、脳内のネットワーク、すなわちソフトウェアの問題とするのが妥当です。脳内ネットワークの構造は個人で違うはずなのに、なぜ同じように錯視があるのでしょう。錯視に関するソフトウェアが各個人の脳内で自然に発生するなんてことがあり得るのでしょうか。
我々は視覚を赤ん坊のころに発達させています。赤ん坊は目の焦点を合わすのが下手で、視覚はちゃんとあるけど、ものをよく見ることができない、と考えられています。目の焦点を合わせるには、視神経からの入力を脳内で画像として認識し、焦点が合った画像が得られるように眼球にかかわる筋肉を適切に制御する必要があります。最初は焦点が合った画像というのを認識できませんので、どのように合焦機能がビルドアップされるのか、興味が尽きません。一つ確実なのは、これはかなり高度が画像処理だということです。そのような高度な処理を、我々は無意識でやっています。同じような画像処理は最近のデジカメもやっていますが、十分な精度と速度が達成できるようになったのは2010年頃で、ごく最近です。そういう高度な処理なので、赤ん坊のころは、うまくできません。でも、すぐに、みんなできるようになります。できない人を見たことがありません。
視覚にかかわる脳内ソフトウェアに限らず、たくさんの入力を受けると自然に適切なソフトウェア（神経ネットワーク）が発達するというのが、脳の素晴らしい機能です。でも、これ、よく考えると、最近流行の機械学習と同じです。赤ん坊は、合焦機能の次に、空間認識を発達させます。そのとき、物体を線画で抽象化し、形状を推測し、大きさや距離を知覚するようになります。そのプロセスの中で錯視が生まれると考えられます。先のミュラーリアーの錯視図形は三次元空間での物体の認識機能と関係していることが指摘されています。

人工知能は錯視をするか？

さて、錯視が脳内で機能する機械学習プロセスの産物らしいと考えると、すべての人が錯視するということをＤＮＡと関係なく説明できます。また、動物にも錯視があることも説明できます。逆に、錯視が視覚機能の獲得プロセスの副産物であるならば、同じような機能獲得プロセスを持つ系では、同じような錯視が現れる、ということにもなります。つまり、脳の機能獲得プロセスを模倣していると実証されてつつある最近流行の機械学習に基づく人工知能も、錯視を獲得する可能性がある、ということです。人工知能が進歩して、空間認識を獲得するに至ると、ミュラーリアーの錯視が生じると、僕は断言します。それは、その気になれば、結構すぐに実証できるでしょう。もうあるかも。機械学習に基づく画像分類サービスで、黒人とゴリラを取り違えた事件がありましたが、よく見ると誤認しても仕方ないケースがあることが分かります。錯視はそれの延長にあるんじゃないか、ということです。
さて、人工知能が錯視を生じることが実証されてしまうと、錯視の研究は心理学ではなくなります。ギリギリ人工知能心理学という新しい学問を定義できるかもしれません。たぶん、そのうちそういうものが出てくるでしょう。でもそれは、普通の意味での心理学ではありません。
また、普通の意味での脳科学でもなくなるでしょう。脳を数理モデルとして理解するために、人工知能の錯視の研究は脳科学にとどまるかもしれません。でもそれはむしろ数学の範疇かもしれません。
錯視研究は心理学の花形分野の一つです。でも、近い将来、それは心理学ではなくなるということです。これは心理学にとっては激震です。でもそれは、いつ起こるかだけの問題で、確定済みだと僕は思っています。

おまけ：我々の視覚はとても高度だ

僕は重度の糖尿病で、ちょっとだけ網膜症があります。ちょっと前に視野がかけました。そのとき、いろんなことが分かりました。僕たちは何かを見つめているときでさえ、眼球を絶えず動かしているということに気づきました。僕は網膜の一部の神経がかけているのでその部分は灰色に見えます。なぜ灰色なのかわかりませんけどね。
普段、脳の補完機能が働いているらしく、視野が欠けているという事実はほとんど知覚できません。そのため、ほとんど不便はありません。しかし、本を読む場合に、時々知覚します。
本の文字を見つめていると、視野の中心から外れたとこりに見えない部分があって文字がわからないので、それとわかります。少し見つめていると、見えない部分が時々瞬間的に移動していることに気づきました。サケードとかサッケードと呼ばれる眼球運動が理由です。眼球が運動するので、視野も移動するはずなのですが、なんと視野は移動しないのです。いや、視野欠けしている領域は移動しているので、見ている視野は移動しているはずなのですが、知覚している視野は移動していないのです。びっくりしました。
実は、眼球は絶えずぴくぴく運動しているのですが、脳がその運動を補正して、視野を固定しているのです。僕たちはその補正を普段は知覚できません。僕も網膜の一部を失うまでは気づきませんでした。視線検出機で視線を表示すると、不規則なジグザグ線となり、思った以上に視点が移動している、というのをよくテレビで見ます。不規則なジグザグになるのは、視線の検出精度の問題ではなくて、眼球が不規則に運動しているからです。にもかかわらず、僕たちは、そのような不規則な眼球運動に気づくことはありません。僕たちの脳は、高度な画像補正を行い、視野を統合して知覚していると考えられます。
一見無駄に見えるサケードですが、いくつかの利点があります。例えば、多くの視野を統合するので、広い視野が得られます。また、サケードは僕たちの体の運動の知覚と連動していると思われます。自分の体の運動がないのに視野が移動すると、視野の補正がくるってしまい、脳が混乱します。典型例は、乗り物酔いです。また、細かいサケードによって、超解像を得ている可能性があります。つまり、網膜細胞の大きさよりずっと細かな眼球運動で得た画像を合成することで、網膜細胞よりずっと細かな解像度を得ているかもしれない、ということです。これは我々が物体を線画で認識する傾向にあることと関係しているかもしれません。
眼球運動は、細かな直線で構成されていると思われますが、一つの直線運動に着目すると、眼球運動時に輝度の変化が小さい部分は「その方向の線」だということが分かります。逆に、大きい部分は輪郭と判断できます。複数の方向の眼球運動の情報と合わせると、視野を線画、あるいは輪郭にすることができます。それを瞬時に行っているのかもしれません。このレベルの画像処理は、未だコンピュータが到達していない領域です。奥が深いです。