Beyond speech and writing editorial cover

言葉と文字を超えて：AIは人間の思考を高速で交換できるようにするか？

人工知能、ブレイン・コンピュータ・インターフェース、そして人と人との直接的な思考交換に関する科学的研究

科学的レビュー論文および提案する研究フレームワーク | 2026年11月

要旨

今日の現代のコンピュータは、想像もつかないほどの速さで情報を交換している。

ごく普通の Gigabit Ethernet 接続でも、1秒間に10億ビット（1,000,000,000ビット）のデータを転送できる。高度なコンピューティングやデータセンター技術は、さらに何倍も高速に動作する。

しかし、人間の状況はまったく異なる。

今日でさえ、人々は主に話し言葉、書き言葉、ジェスチャー、体の動きを使って、自分の考え、アイデア、意見、感情を他者に伝えている。

人間の脳では膨大な神経情報処理が行われているにもかかわらず、その情報を意味のある形で他者に伝達する私たちの能力は、比較すると非常に限られている。

この状況は、重要な科学的問いを提起する。

人工知能と神経技術を使うことで、人々は話し言葉や書き言葉の助けなしに、自分の考えやアイデアを直接、正確に、そして高速で交換することができるのか？

本稿では、人間の情報伝達速度、脳の神経信号を解釈する技術、ブレイン・コンピュータ・インターフェース、脳から脳へのコミュニケーション、そして2026年11月までの科学的進歩を検討する。

また、人工知能の助けを借りて人間の思考や意図を高速で交換するための新しい研究フレームワークを提案する。

この研究の根本的な目的は、単により多くのデジタルデータを転送することではない。

その中心的な目的は、ある人が伝えたいと願うことの真の意味を、より短い時間で、より高い精度で他者に伝える新しいコミュニケーション方法の科学的実現可能性を探ることである。

1. はじめに：人間のコミュニケーションにおける速度の障壁

現代のコンピュータネットワークに接続された2台のコンピュータを考えてみよう。

それらは非常に大量の情報を電気信号に変換し、数ミリ秒以内に交換することができる。

次に、複雑なアイデアを交換する2人の人間を考えてみよう。

最初の人は、自分の心の中にアイデアを形成しなければならない。

次に、そのアイデアを言語に変換しなければならない。

適切な言葉を選ばなければならない。

それらの言葉を正しい文に並べなければならない。

その後で初めて、話したり書いたりすることができる。

同様に、2人目の人はそれらの言葉を聞くか読まなければならない。そして、その意味を理解し、最初の人が実際に何を言おうとしたのかを考えなければならない。

このプロセスのすべての段階に時間がかかる。

場合によっては誤解が生じることもある。すると、そのアイデアを再度説明しなければならない。

ここで重要な問題は、人間の脳の働きが遅いということではない。

むしろ、人間の脳で行われる神経情報処理と、その情報を他者に伝達できる速度との間に大きなギャップがあるということだ。

2019年に Science Advances 誌に発表された Coupé らの研究は、17の言語を調査し、人間の話し言葉の情報伝達速度は平均で約毎秒39ビットであると推定した [1]。

もう一つの重要な研究では、Zheng と Meister が人間の行動情報処理の速度を約毎秒10ビットと推定した。その研究は2024年にオンラインで発表され、2025年に Neuron 誌に掲載された [2]。

これら2つの研究は、異なる種類の情報処理を測定している。したがって、2つの数字を互換的に使うことはできない。

また、それらは人間の脳の全体的な神経処理能力の最終的な測定値でもない。

それでもなお、これらは人間の意識的な行動とコミュニケーションの情報速度が、多くの電子システムのデータ転送速度よりもはるかに低いことを示している。

この差が、私たちの新しい研究の基盤となる。

2. コンピュータのデータ転送速度と人間のコミュニケーション速度

コンピュータは情報をデジタル形式に変換し、定義された通信プロトコルに従って交換する。

例えば：

これらの数字は、コンピュータネットワークの情報転送能力を表している。

しかし、コンピュータが送信される情報の真の意味をどれだけ速く理解するかについては何も語らない。

人間のコミュニケーションはまったく異なる。

人と人の間のやり取りで最も重要なのは、情報の量だけでなく、その意味である。

例えば、ある人は非常に複雑な決定を数語ではっきりと表現できるかもしれない。

別の人は、同じアイデアを説明するのに数段落を必要とするかもしれない。

したがって、コンピュータのデータ転送速度と人間のコミュニケーション速度を比較する際には、細心の科学的注意が必要である。

コンピュータは1秒間に10億ビットを転送できる。

しかし、それはその情報の意味を理解していることを意味しない。

同時に、ある人はほんの数語で深いアイデアを他者に伝えることができる。

したがって、私たちの研究の目的は、人間の脳をギガビットのコンピュータネットワークに変えることではない。

むしろ、私たちの目的は、意味のある思考やアイデアが、正しく理解される形で人々の間で交換される速度を高めることである。

これがこの研究の最も重要な科学的基盤である。

3. 科学がこれまでに達成した進歩

3.1 ブレイン・コンピュータ・インターフェース

ブレイン・コンピュータ・インターフェース（略して BCI）とは、人間の脳の神経活動と外部のコンピュータシステムとの間に接続を作る技術である。

この技術を使うと、脳から得られた信号をコンピュータで分析できる。

脳活動を記録するには、主に2つのアプローチがある。

第一に、EEG のように外科手術なしで脳の電気活動を記録する方法。

第二に、外科手術によって脳に埋め込まれた電極を使用する方法。

人工知能モデルはこれらの神経信号を分析し、人が実行しようとしている動作、表現したい言葉、またはコミュニケーションのコマンドを特定しようとする。

2023年8月に Nature 誌に発表された Willett らの研究は、この分野における重要な進歩であった。

その研究は、人が話そうとするときに生じる神経活動をテキストに変換する技術を生み出した。

参加者は、1分間に約62語の速度でコミュニケーションを取ることができた。

単語のエラー率は、50語の制限された語彙で9.1%、125,000語の大語彙で23.8%であった [3]。

この研究は、人が話そうとするときに生成される脳信号が、比較的速いコミュニケーションに使えることを証明した。

しかし、このシステムは人の心に浮かぶすべての思考を自由に読み取れる技術ではない。

それは話そうとする試みに関連する神経活動を特定したのである。

3.2 脳信号から直接音声を生成する

2025年には、この分野でさらに注目すべき進歩があった。

Littlejohn らは、人間の脳の信号を80ミリ秒間隔で処理し、人工知能の助けを借りて音声に変換する技術を作り出した [4]。

別の研究では、Wairagkar らが脳の神経信号を使ってリアルタイムで表現豊かな合成音声を生成する方法を記述した。

その研究の参加者は、声のイントネーションなどの表現要素をある程度制御することもできた [5]。

これは非常に重要な進歩である。

人間のコミュニケーションは、単なる言葉の交換ではない。

私たちが話す速さ、声のトーン、感情表現、言葉を強調する方法は、すべてアイデアの真の意味を明らかにする。

これらの研究は、神経信号から自然な人間の音声を再構築する実現可能性を示している。

それでもなお、それらは特定の研究環境で使用される実験的技術にとどまっている。

3.3 長期的な実用利用：2026年の画期的な研究

2026年6月に Nature Medicine 誌に発表された研究は、ブレイン・コンピュータ・インターフェース技術の実用利用における重要な進歩を示した。

Card らによるこの研究では、重度の運動麻痺を持つ人が、埋め込まれたインターフェースの助けを借りて、長期間にわたり自立してコミュニケーションを取った。

約2年間にわたり、彼は自宅で3,800時間以上この技術を使用した。

それを通じて、約196万語と183,060の文を伝達した。

平均的なコミュニケーション速度は、1分間に約56語であった。

管理された音声テストでは、単語の精度は99%を超えた。しかし、日常の自然な会話では、この精度は常に同じではなかった [6]。

この違いは非常に重要である。

技術が実験室でうまく機能するのは一つの成果である。

同じ技術が人々の日常生活で長期間にわたり信頼性を持って機能するのは、また別の成果である。

私たちの高速な人間の思考交換研究においても、これら2つの側面は別々に証明されなければならない。

3.4 情報は人間の脳同士で直接交換できるのか？

脳から脳へのコミュニケーションに関して、科学界にはいくつかの初期の成功もあった。

BrainNet と呼ばれる研究が2019年に発表された。

その研究では、3人の人々が脳信号を使って簡単なゲームに協力して取り組んだ。

最初の2人の参加者の決定は、EEG 技術を使って記録された。

その情報は、Transcranial Magnetic Stimulation（TMS）と呼ばれる脳刺激法を通じて、定義された信号として3人目の参加者に送られた。

5つのグループがこの実験に参加した。

彼らの平均的な遂行精度は81.25%と記録された [7]。

この研究は、神経インターフェースを通じて人間の脳同士で特定の情報を転送する実現可能性を示した。

しかし、転送されたのは非常に単純な決定だけであった。

複雑な思考、記憶、完全なアイデアは直接転送されなかった。

したがって、単純なバイナリ情報を転送することと、ある人の完全な思考を他者に転送することの間には、非常に大きな科学的差異がある。

3.5 心の中で想像された音声の検出

2025年8月に Cell 誌に発表された Kunz らの研究は、人が心の中で話すことを想像するときに生じる神経活動が部分的に特定できることを示した。

この研究のもう一つの重要な側面は、精神的プライバシーである。

人が他者と共有したくない私的な内なる音声が、技術を通じて誤って明らかにされるリスクも検討された。

さらに、コミュニケーションのために意図的に作られた思考と私的な精神活動を区別するための安全な方法もテストされた [8]。

2026年9月に Nature Neuroscience 誌に発表された別の研究は、想像された音声と実際に発せられた音声の神経活動におけるいくつかの共通の構造を調査した [9]。

これらの発見は、将来、人々が話そうとしなくても特定の情報を伝達できる機会を生み出すかもしれない。

しかし、現在の技術が、事前の訓練や協力なしに、どんな人の心に浮かぶすべての思考を正確に理解できるという科学的証拠はない。

4. 提案する新しい研究コンセプト

人工知能の助けによる高速な人間の思考交換

Artificial Intelligence-Assisted High-Speed Thought Communication

この研究の中心的な目的：

脳の神経信号から、人々が自発的に伝えたいと願う思考やアイデアを特定し、それらを効率的なデジタル形式に変換し、別の人に転送し、その人がそのアイデアの真の意味を正確に理解できるようにする技術の実現可能性を探ること。

この研究は、いくつかの科学分野を結集する。

ブレイン・コンピュータ・インターフェース： 人間の脳から得られた信号を記録・分析するために使用される。

人工知能： 神経信号のパターン検出、言語生成、アイデアの理解、エラーの修正などのタスクに使用される。

情報理論： 情報がどれだけ効率的かつ正確に転送できるかを数学的に評価するのに役立つ。

安全なデジタルネットワーク： 生成された情報を別のコンピュータシステムに安全に送信するのに役立つ。

脳刺激と神経技術： 特定の情報を受信者の神経系に直接届ける将来の可能性を探るのに役立つかもしれない。そのためには、広範な医学的・科学的テストが不可欠である。

この研究の重要な機会は、人が言いたいことの意味を、言おうとするすべての単語を生成して転送することなく伝える方法を作ることにあるかもしれない。

例えば、ある人が次のように考えているとしよう：

「私はこの計画に同意します。しかし、実施は来週まで延期したいと思います」。

将来の技術は、この思考の中の3つの重要な要素を特定しようとするかもしれない。

第一に、計画への同意。

第二に、すぐに実施したくないという気持ち。

第三に、来週への延期の要求。

人工知能はこれらの基本的な意味を特定し、相手が理解できる文を構築できるかもしれない。

しかし、ここには重要な課題がある。

人工知能が生成する文が言語的に美しいだけでは不十分である。

それは、最初の人が実際に伝えたかったアイデアを、変えることなく表現しなければならない。

これが Semantic Communication と呼ばれる概念の重要性である。

5. 提案する技術的フレームワーク

この研究を実施するための初期構造は、6つの主要な段階に分けられる。

段階1：脳信号の記録

ある人が、完全な同意のもとで、他者に情報を伝えることを決める。

その瞬間、その人が意図的に表現しようとしている言葉、コマンド、またはアイデアに関連する脳活動が、適切な神経インターフェースの助けを借りて記録される。

初期段階の研究では、EEG のような非外科的方法や、すでに公開されている研究データを使用できる。

段階2：人工知能による思考の特定

記録された脳信号は、機械学習モデルによって分析される。

目的は、その人が意図的に伝えようとした情報を特定することである。

研究は、少数の言葉、コマンド、またはアイデアを特定することから始めるべきである。

その基本技術の精度が確認されて初めて、複雑な思考の理解に進むべきである。

段階3：思考の意味に基づくデータへの変換

特定された情報は、人工知能の助けを借りて、構造化されたデジタル形式に変換される。

これには、その思考の主要なアイデア、それらの間の関係、条件、推定の不確実性が含まれる可能性がある。

これにより、完全な文が生成される前であっても、情報の基本的な意味をコンピュータシステムで表現できるようになる。

段階4：安全な高速情報転送

生成されたデータは、安全で暗号化されたデジタル通信チャネルを通じて別のシステムに送信される。

この段階では、コンピュータネットワークの速度は大きな障壁である必要はない。

今日のコンピュータネットワークは、すでに非常に高速で情報を転送できる。

むしろ、脳信号を正確に理解すること、正しいアイデアを生成すること、プロセス全体にかかる時間を短縮することが、より困難な問題かもしれない。

段階5：受信者のためのメッセージの再構成

人工知能は、受信した情報を別の人が理解できる形式に変換する。

それはテキスト、音声、または他の適切なコミュニケーション形式かもしれない。

受信者は、情報の意味を理解し、疑問があれば説明を求め、人工知能の推定における不確実性を知ることができるようにされなければならない。

段階6：メッセージが理解されたことの確認

受信者がそのアイデアを正しく理解したことを確認しなければならない。

必要に応じて、説明や修正を求める手段も提供されなければならない。

将来、直接的な脳から脳へのコミュニケーションを作り出す場合は、受信者の神経系に情報を届けることができる別の技術も開発されなければならない。

ここで重要な区別に注意する必要がある。

ある人の脳信号をコンピュータでテキストに変換し、別の人がそれを画面で読むことは、脳-コンピュータ-人間のコミュニケーションである。

それを完全な直接的脳から脳へのコミュニケーションと呼ぶことはできない。

この区別は、研究のすべての段階で明確に維持されなければならない。

6. この研究の中心的な科学的仮説

この研究の中心的な仮説は、次のように提案される。

人工知能の助けを借りて、人々が意図的に伝えたいと願う神経情報を特定し、その意味を効率的なデジタル形式に変換することで、特定のアイデアを、話し言葉や書き言葉と比較してより短い時間で、受け入れ可能な精度を維持しながら他者に伝えることができる。

この仮説は科学的に検証できる。

そのために、同じ種類の情報を、通常の話し言葉、書き言葉、人工知能に接続された神経インターフェースを通じて交換してみることができる。

可能な限り、同じ参加者と同じ情報を使って結果を比較すべきである。

この研究では、次の測定が重要である。

1. エンドツーエンド遅延（End-to-End Latency）

ある人が情報を伝え始めてから、別の人がそれを正しく受け取るまでの時間。

2. 実効情報転送速度（Effective Information-Transfer Rate）

エラーや修正を考慮した後、1秒間にどれだけの情報が正しく転送されたかを示す指標。

3. 意味の忠実度（Semantic Fidelity）

最初の人が伝えたかったアイデアと、2番目の人が理解したアイデアとの間の意味の類似性。

4. エラー率（Error Rate）

誤って特定された単語、アイデア、関係、結論の量。

5. 受信者の理解（Receiver Comprehension）

情報を受け取った人がその真の意味を正しく理解したかどうかを示す指標。

6. ユーザーの努力（User Effort）

技術を使用するために必要な注意、精神的負担や疲労、訓練、使いやすさ。

7. プライバシー保護（Privacy Protection）

ユーザーが許可していない思考や情報が誤って開示されていないかを監視すること。

技術のネットワーク接続が速いというだけで、人々の間のコミュニケーションが速くなったとは言えない。

同様に、人工知能が非常に速く文を生成するという事実も十分な証拠ではない。

完全な人間対人間のコミュニケーションプロセスが測定されなければならない。

7. 提案する実験研究計画

この研究は、3つの主要な段階で実施できる。

第一段階：人間の意図の特定

最初に、人々が意図的に伝えたいと願ういくつかの特定のアイデアを脳信号から特定できるかどうかを調査しなければならない。

すでに公開されている EEG データセット、または適切な同意と許可を得て実施される新しい研究を使用できる。

例えば、参加者は次のアイデアのいずれかを伝えようとするかもしれない。

機械学習モデルを使って、これらのアイデアに関連する脳信号に違いが現れるかどうかを調査できる。

その後、訓練に使用されていないデータ、異なるテストセッション、独立した参加者を使ってモデルの性能を評価しなければならない。

この段階の重要な質問：

脳信号から、人が伝えたいと願うアイデアを信頼できる方法で特定できるか、ということである。

第二段階：人工知能の助けによる意味の転送

第一段階で特定された情報を、人工知能の助けを借りて完全なアイデアに変換する試みができる。

ここでは3つの側面を比較しなければならない。

第一に、送信者が実際に伝えたかったアイデア。

第二に、人工知能が再構成したアイデア。

第三に、その情報を受け取った人が理解した意味。

これら3つがどれだけ正確に一致するかを、数学的および統計的方法で調査しなければならない。

最も重要なこととして、アイデアが人工知能にとって明確でない場合、それは誤った情報を生成するのではなく、その不確実性を表現しなければならない。

この方法の性能は、通常のタイピング、音声、その他のコミュニケーション方法と比較されなければならない。

第三段階：人と人とのコミュニケーション

第三段階では、完全な同意のもとで参加する2人の人間の間で情報転送実験を実施できる。

最初の人は、脳信号を通じて意図的に情報を伝えようとする。

人工知能はその信号を分析し、関連する情報を特定し、安全に送信する。

2人目の人はその情報を受け取り、理解する。

その後、完全なコミュニケーションプロセスの速度、精度、信頼性が測定される。

受信者の脳に直接情報を届けることは、はるかに高度で別個の研究段階となる。

そのような試みには、神経の専門知識、規制当局の承認、医学的安全性、厳格な倫理的管理が必要である。

したがって、初期段階の研究では、人工知能が人と人とのコミュニケーションの性能を改善できるかどうかを証明することに優先順位を与えるべきである。

8. 科学的課題と現在の限界

この研究には、いくつかの重要な課題がある。

第一に、すべての人間の脳が言葉やアイデアを同じ神経パターンで表現するわけではない。

したがって、各人には個別の訓練やモデルの調整が必要かもしれない。

第二に、EEG のような非外科的方法で記録される信号には、高いレベルのノイズや干渉が含まれる可能性がある。

脳に埋め込まれた電極と比較すると、特定の種類の神経活動を細かく検出する能力も低いかもしれない。

第三に、話そうとすること、心の中で音声を想像すること、アイデアを表現しようと意図すること、そして個人的に心の中で考えることは、同じ種類の神経活動ではない。

これらは別々に研究されなければならない。

第四に、大規模言語モデルは、利用可能な情報に基づいて、真実ではないがもっともらしく見える文を生成することがある。

人間の思考交換技術において、そのようなエラーは非常に大きな問題になり得る。

ある人が考えていなかったことを考えたと他者に伝えることは、深刻な誤解を生み出す可能性がある。

第五に、科学的研究の結果が他の研究者によって再現できることが非常に重要である。

2026年に Journal of Neural Engineering に発表された研究は、想像された音声を特定する研究の結果を再現することに多くの問題があることを示した。

その研究で検討された音声想像データセットの中で、適切な統計的有意性の閾値を超える分類精度を達成したのは、参加者のわずか36%であった [10]。

これは、この分野において独立した検証、透明な研究方法、信頼できるテストがどれほど重要かを示している。

最後に、情報転送の速度だけが唯一の課題ではない。

人間の注意、記憶、理解、思考プロセスも重要な役割を果たす。

話す必要性を取り除くだけでは、複雑なアイデアを形成したり理解したりするのに必要な時間が完全になくなるわけではない。

現在の科学的証拠に基づくと、あらゆる種類の人間の思考がギガビットの速度で直接転送できるとは言えない。

デジタルデータ転送速度と、意味のある人間の思考の転送速度を同じものとして扱うことは、科学的に誤ったアプローチである。

9. プライバシー、情報セキュリティ、人権

人間の脳の神経信号を解釈する技術は、非常に重要な倫理的責任も生み出す。

通常のコンピュータシステムでは、人々が自分で入力した情報が処理される。

しかし、神経インターフェースは、人が他者と共有したくない私的な精神活動に関連する信号も記録する可能性がある。

したがって、私たちの研究の最も重要な基本原則は次のようでなければならない。

人が完全な同意のもとで意図的に共有したいと願う情報だけが、特定され、他者に送信されるべきである。

この原則を実践するために、さまざまな安全措置が必要である。

ユーザーはコミュニケーションを開始するための明示的な制御を持つべきである。

可能な限り、神経データはユーザー自身のデバイスで処理されるべきである。

情報は暗号化された形で転送されなければならない。

許可されていない人が脳信号にアクセスするのを防ぐための強力なセキュリティシステムが作られなければならない。

不要な神経データを長期間保存することは避けなければならない。

ユーザーはいつでも情報転送を即座に停止できる手段を持つべきである。

さらに、人工知能が生成するアイデアは、人の心にある思考の100%確実な記録ではないことを明確にしなければならない。

それらは神経信号に基づいて生成された推定である。

2025年11月、UNESCO は神経技術の倫理的使用に関する国際的な勧告を採択した [11]。

この勧告は、精神的プライバシー、人間の尊厳、神経技術の責任ある使用に重要性を与えている。

私たちの研究においても、プライバシーと倫理的保護は、技術開発とともに進められなければならない。

10. この技術の将来の応用

この研究が成功すれば、その初期の恩恵は、音声や身体の動きに深刻な困難を抱える人々にもたらされるかもしれない。

特に、ブレイン・コンピュータ・インターフェースは、運動麻痺や特定の神経疾患のためにコミュニケーションが取れない人々に新しい機会を作り出すかもしれない。

そのような技術は、音声や体の動きによるコミュニケーションが困難な特別な状況でも使用できるかもしれない。

また、障害を持つ人々のコンピュータアクセシビリティを改善することもできるかもしれない。

長期的には、この研究は人々と人工知能システムとの間のコミュニケーションをより効率的にするのにも役立つかもしれない。

しかし、そのような応用の実際の恩恵は、一つずつ科学的に証明されなければならない。

直接的な神経コミュニケーションがあらゆる状況で通常の人間の会話よりも優れていると事前に想定することはできない。

人間の言語は、単に情報を転送するための遅い道具ではない。

それは、考えること、推論すること、感情表現、アイデアの明確化、人間関係の構築など、多くの重要な機能も果たしている。

したがって、新しい技術は人々のコミュニケーション能力を高めるべきであり、人間の言語のこれらの重要な質を失わせるべきではない。

11. この研究の科学的貢献と今後の道筋

この研究は、すべての人間の思考を直接転送する技術がすでに作られているという前提で提案されているのではない。

むしろ、脳信号の特定、人工知能の助けによるアイデアの意味の理解、情報転送の性能測定、人々の真の理解の評価を統合する科学的研究フレームワークとして提案されている。

その重要な質問：

人間の脳内に電子ネットワークの完全なデータ転送能力を作り出せるかどうかではない。

重要な質問は、ある人が心の中にアイデアを形成する瞬間と、別の人がそのアイデアを正しく理解する瞬間との間の時間を短縮できるかどうかである。

そのために、人工知能の助けを借りて作られた意味に基づく情報表現が、通常の音声を特定する神経技術と比較して追加の性能を提供するかどうかを調査しなければならない。

技術が成功したと言うためには、人工知能が美しい文を生成するだけでは不十分である。

それは情報転送にかかる時間を短縮しなければならない。

送信されるアイデアの真の意味を保護しなければならない。

エラーを受け入れ可能なレベルに制御しなければならない。

さまざまな人々と実際的な環境で信頼性を持って機能しなければならない。

これらの条件は、科学的実験によって証明されなければならない。

研究はまた、いくつかのアプローチが通常のコミュニケーションよりもうまく機能しない可能性があることを受け入れなければならない。

科学研究の真の価値は、期待された結果を証明することだけにあるのではない。

その仮説が正しいか間違っているかを、信頼できる証拠に基づいて発見することにある。

12. 結論

過去数十年間で、コンピュータのデータ転送技術は非常に大きな進歩を遂げた。

今日、世界のさまざまな場所にあるコンピュータが、非常に大量の情報を高速で交換している。

しかし、人と人の間のコミュニケーションは、依然として主に話し言葉、書き言葉、その他の身体的な表現形式に依存している。

最近の神経研究は、脳信号からの音声の再構築、心の中で想像された音声の特定、脳同士の間での定義された情報の転送の分野で注目すべき進歩を生み出した。

それにもかかわらず、あらゆる種類の人間の思考を直接、正確に、高速で転送する技術はまだ作られていない。

それは解決されるべき大きな科学的課題であり続けている。

将来、人工知能と神経技術の統合は、人々が自分の思考を表現するのに必要な時間を短縮する新しい方法を生み出すかもしれない。

そのための実践的な研究は、人々が意図的に伝えようとする神経信号から始めなければならない。

次に、それらを正確に特定するモデルを構築しなければならない。

続いて、情報の真の意味がどれだけ正確に保護されているかを評価しなければならない。

最後に、この技術が人と人とのコミュニケーションの速度と性能を実際に改善するかどうかを科学的に証明しなければならない。

その後で初めて、完全な直接的脳から脳へのコミュニケーションのようなより高度な技術に向かって進むことができる。

私の研究の最終目標

私の研究の最終目標は、ある人が心の中に思考を形成する速さと、別の人がその思考の真の意味を正確に理解する速さとの間のギャップを、可能な限り縮めることである。

そのために、私の提案するアプローチは、人工知能、ブレイン・コンピュータ・インターフェース、神経科学、情報理論、安全な高速通信技術を統合して研究することである。

私たちの目標は、単により多くのデータを高速で送信することではない。

私たちの目標は、人々の思考やアイデアを、その真の意味を変えることなく、安全に、正確に、最小限の時間で転送できる新しいコミュニケーション方法の科学的基盤を構築することである。

参考文献

  1. Coupé, C., Oh, Y. M., Dediu, D., & Pellegrino, F. (2019). Different languages, similar encoding efficiency: Comparable information rates across the human communicative niche. Science Advances, 5(9). https://doi.org/10.1126/sciadv.aaw2594
  2. Zheng, J., & Meister, M. (2025). The unbearable slowness of being: Why do we live at 10 bits/s? Neuron, 113(2), 192–204. Published online: December 2024. https://doi.org/10.1016/j.neuron.2024.11.008
  3. Willett, F. R., et al. (2023). A high-performance speech neuroprosthesis. Nature, 620, 1031–1036. https://doi.org/10.1038/s41586-023-06377-x
  4. Littlejohn, K. T., et al. (2025). A streaming brain-to-voice neuroprosthesis to restore naturalistic communication. Nature Neuroscience, 28, 902–912. https://doi.org/10.1038/s41593-025-01905-6
  5. Wairagkar, M., et al. (2025). An instantaneous voice-synthesis neuroprosthesis. Nature, 644, 145–152. https://doi.org/10.1038/s41586-025-09127-3
  6. Card, N. S., et al. (2026). Long-term independent use of an intracortical brain–computer interface for speech and cursor control. Nature Medicine, 32, 2504–2510. https://doi.org/10.1038/s41591-026-04414-6
  7. Jiang, L., et al. (2019). BrainNet: A Multi-Person Brain-to-Brain Interface for Direct Collaboration Between Brains. Scientific Reports, 9, Article 6115. https://doi.org/10.1038/s41598-019-41895-7
  8. Kunz, E. M., et al. (2025). Inner speech in motor cortex and implications for speech neuroprostheses. Cell, 188(17), 4658–4673.e17. https://doi.org/10.1016/j.cell.2025.06.015
  9. Zhao, Z., et al. (2026). A neural architecture for imagined and overt speech motor dynamics. Nature Neuroscience. https://doi.org/10.1038/s41593-026-02456-0
  10. Tates, A., Matran-Fernandez, A., Halder, S., & Daly, I. (2026). Decoding speech imagery or just noise?: A symptom of the replicability crisis. Journal of Neural Engineering, 23(5). https://doi.org/10.1088/1741-2552/aea294
  11. UNESCO. (2025). Recommendation on the Ethics of Neurotechnology. https://www.unesco.org/en/node/86248

By Keshavan Thiagaraja

Private AI Model Developer & AI Security Consultant - Helping SMEs and Enterprises Build Secure AI Solutions, Sydney, Australia

B.Sc. (Computer Science, Mathematics and Statistics) | M.Sc. (Information Technology) | E-Commerce Professional

Powered By K7