AIで可視化する創造性の脳科学 2025

創造性は長く「才能」や「ひらめき」として語られてきたが、2024年から2025年にかけての神経科学では、その実体がかなり具体的に見え始めている。特に大きいのは、AIと脳計測を組み合わせることで、創造的思考がどの脳ネットワークの協調で生まれ、どの段階で独創性が伸びるのかを、従来より細かく可視化できるようになった点だ。

本記事では、2026年3月24日時点で確認できる比較的新しい知見をもとに、クリエイティビティと脳の関係をAIでどう可視化しているかを整理する。結論を先に言えば、最新動向は「創造性は単一部位の能力ではなく、デフォルト・モード・ネットワーク（DMN）と実行制御ネットワーク（ECN）の往復運動、さらに記憶・意味処理・評価過程の統合として理解する」方向へかなり強く傾いている。

1. いま何が新しいのか
2. 創造性の中核にある脳ネットワーク
1. 2-1. DMN は「ぼんやり」の回路ではなく、連想生成の基盤
2. 2-2. ECN は創造性を抑えるのではなく、磨く
3. 2024年から2025年の主要知見
4. AIは創造性と脳の関係をどう可視化しているか
1. 4-1. 心的イメージの再構成が一段進んだ
2. 4-2. AIの役割は生成ではなく、解析・統合・外化
5. 統合モデルとして見た最新理解
6. 現時点での限界と注意点
7. まとめ
参考にした主な公開ソース

1. いま何が新しいのか

2025年の創造性研究で目立つのは、単純な相関研究から一歩進み、因果性と動的ネットワーク、そしてAIによる脳内表象の再構成を同時に扱う流れだ。以前は「創造的な人ほど特定領域が強く活動する」という説明が多かったが、最近は「どのネットワークが、どの順序で、どの程度切り替わるか」が焦点になっている。

2024年の Brain 掲載研究では、DMN への直接刺激が発想の独創性だけを低下させ、流暢性には影響しにくいことが示された。
2025年の Communications Biology 掲載研究では、DMN と ECN の切り替え頻度が創造性を予測し、その関係は単純な右肩上がりではなく逆U字型であることが報告された。
2025年の Cerebral Cortex 掲載研究では、DMN-ECN 結合を covert neurofeedback で高めると、約24時間後の課題でアイデアの独創性が向上した。
AI側では、2024年以降、fMRI 信号から知覚画像だけでなく心的イメージまで再構成する技術が進み、創造プロセスの外化・可視化が現実的な研究手法になっている。

2. 創造性の中核にある脳ネットワーク

2-1. DMN は「ぼんやり」の回路ではなく、連想生成の基盤

DMN は内省、記憶想起、自己関連処理、マインドワンダリングと結び付けられることで知られる。創造性研究では以前から重要視されていたが、2025年レビューでは、DMN の役割を単なる休息時ネットワークではなく、遠い概念同士を結びつける連想生成やアイデア評価、さらに離れた脳領域の情報統合に関わる系として整理している。

つまり、ひらめきは「何もしていない脳」から湧くのではなく、記憶・意味・自己参照情報を内部で再結合するネットワーク活動から生まれる、という理解が強まっている。

2-2. ECN は創造性を抑えるのではなく、磨く

もう一つの主役が ECN だ。ECN は注意制御、目標維持、評価、選択に関わる。古い見方では、自由連想を生む DMN と、ルールや評価を担う ECN は対立的に語られがちだった。しかし現在は、創造性の高い状態ほど、DMN で案を生み、ECN で選別・洗練し、その間を適切に切り替えることが重要だと考えられている。

この見方は、創造的思考を「生成」と「評価」の二段階だけでなく、両者の細かな往復として捉える上でも重要である。AIで可視化した脳活動パターンは、この往復が高い独創性に対応しやすいことを示しつつある。

3. 2024年から2025年の主要知見

3-1. 2024年6月公開・2024年10月号の Brain 研究

Eleonora Bartoli らは、てんかん患者13人の stereo-EEG を用いて、マインドワンダリング課題と代替用途課題を比較した。結果として、DMN は両課題で動員される一方、時間的ダイナミクスは課題ごとに異なった。さらに DMN への直接皮質刺激は、代替用途課題におけるoriginality のみを選択的に低下させた。これは、DMN が創造性に「関係がある」だけではなく、独創的連想の生成に因果的に関わることを示す重要な前進だ。

この結果は実務的にも大きい。創造性支援AIや発想支援ツールを設計する際、「アイデア数を増やす」ことと「独創性を高める」ことは別問題であり、後者は DMN 系の連想生成ダイナミクスにより深く依存する可能性が高い。

3-2. 2025年1月15日公開の Communications Biology 研究

Qunlin Chen らは、オーストリア、カナダ、中国、日本、米国の10独立サンプル、合計2433人という大規模データを解析した。ここで重要だったのは、創造性が「DMN 優位」でも「ECN 優位」でも最大化せず、DMN-ECN の切り替えが多すぎても少なすぎても不利で、最適なバランス帯に入ったときに高い創造性が現れるという点だ。

この逆U字型は、創造性を単純な活性化量で理解できないことを示している。AIによる時系列解析やネットワーク状態推定が進んだからこそ見えた知見であり、「良いひらめき」は暴走した自由連想でも硬直した統制でもなく、柔軟な切り替えの最適点に支えられる、という理解を後押ししている。

3-3. 2025年4月8日公開の Cerebral Cortex 研究

Simone A. Luchini らは、内側前頭前野と背外側前頭前野の結合を covert neurofeedback で操作し、DMN-ECN の結合強化が約24時間後の創造課題で独創性の上昇につながることを示した。従来、多くの研究は相関止まりだったが、この研究はネットワーク結合を変えることでパフォーマンス側も変わる可能性を示している。

ここから読み取れる最新トレンドは明確だ。創造性は「一部位を活性化すれば上がる」ものではなく、複数ネットワークの協調状態を調整することで改善しうる。これは将来的に、教育、リハビリ、発想支援インターフェース設計に影響しうる。

4. AIは創造性と脳の関係をどう可視化しているか

4-1. 心的イメージの再構成が一段進んだ

2024年2月の Neural Networks 掲載研究では、Naoko Koide-Majima らが、fMRI とベイズ推定、さらに意味情報の導入によって、見た画像だけでなく頭の中で思い描いた画像も再構成できることを示した。定量評価では、見た画像の識別が 90.7%、心的イメージの識別が 75.6% と報告されている。

この技術は、創造性研究にとって非常に重要だ。なぜなら、創造過程の中心には「まだ外界に存在しないイメージ」を脳内で組み立てる工程があるからだ。AI再構成は、その不可視だった中間表象を外部化し、創造性をブラックボックスのままにしない。

4-2. AIの役割は生成ではなく、解析・統合・外化

AIが創造性研究でしている仕事は、単に絵を作ることではない。最近の研究では、AIは次の3役を担っている。

脳活動から視覚特徴や意味特徴を推定するデコーダ
時系列データからネットワーク状態の切り替えを推定する解析器
人間が頭の中で組み立てたイメージを画像や説明文として外化する可視化器

この意味で、AIは創造性の代替ではなく、創造性の観測装置としての比重を強めている。とくに、主観報告だけに頼っていた創造研究が、画像・テキスト・ネットワーク遷移図として可視化されるようになった点は大きい。

5. 統合モデルとして見た最新理解

2024年11月公開の Communications Biology 研究「Neural, genetic, and cognitive signatures of creativity」は、創造性を単一尺度ではなく、神経・遺伝・認知の多層で捉える必要を提案した。この流れを踏まえると、2025年時点の実践的な統合モデルは次のようにまとめられる。

要素	主な役割	AIでの可視化方法
DMN	自由連想、記憶再結合、自己参照、内部生成	ネットワーク活動推定、独創性低下の因果検証、時系列解析
ECN	選択、評価、目標維持、制御	DMNとの結合解析、切り替え頻度の推定
意味・記憶表象	遠距離連想、概念再結合	埋め込み空間解析、意味距離、再構成画像評価
心的イメージ	アイデアの予備表象、発想の視覚化	fMRIデコード、生成モデルによる再構成