Ko gledate videoposnetek na YouTubu ali kupujete izdelek na Amazonu in takoj ponudite podoben video za ogled ali izdelek za nakup, vidite dejanje, ki je znano kot "iskanje podobnosti". To so algoritmi, zasnovani za iskanje velikih nizov podatkov in ujemanje elementov, ki so na nek način podobni. Naši možgani ves čas izvajajo iskanje podobnosti - ta oseba je videti kot moj prijatelj, ta pesem zveni kot ena, ki jo poznam.
Sadne muhe naredijo isto. Njihovi možgani opravijo iskanje podobnosti, da ugotovijo, kaj naj bi okusili in česa se morajo izogibati. Muha morda še nikoli ni dišala po gnilem mangu, toda možgani se mu zdijo dovolj podobni kot že znani priboljšek z gnilo banano in signalizira "jesti".
Raziskovalci menijo, da bi lahko razumevanje podobnosti iskanja muh pomagalo izboljšati računalniške algoritme.
"Zgodilo se nam je, da oba sistema, biološka in zasnovana, rešujeta zelo podobno težavo, " pravi Saket Navlakha, profesor na inštitutu Salk v Kaliforniji.
Številne računalniške podobnosti iščejo tako, da predmetom dodelijo digitalne oznake za okrajšave, znane kot "heše". Zaradi teh razpršitev je večja verjetnost, da bodo podobni predmeti združeni. Program lahko nato poišče hitre šifre in ne elemente, kar je hitrejše.
Sadne muhe, Navlakha in njegova ekipa sta se naučila, stvari počneta drugače. Ko muha zazna vonj, se 50 nevronov zažge v kombinaciji, ki je različen za vsak vonj. Računalniški program bi zmanjšal število razpršil, povezanih z vonjem. Toda muhe v resnici razširijo svoje iskanje. 50 začetnih strelnih nevronov postane 2000 strelnih nevronov, kar daje vsakemu vonju bolj edinstveno kombinacijo. Možgani muhe hranijo le 5 odstotkov teh 2000 nevronov, ki imajo največ aktivnosti za hašiš tega vonja. To pomeni, da so možgani muhe lahko bolj jasno razvrstili podobne in drugačne vonjave, kar jih preprečuje, da bi se zmedli med predmeti, ki bi jedli in ne jeli.
Skupina sama ni preučevala možganov muhe, ampak je prebrala obstoječo literaturo o letenju in možganskem vezju. Nato so iskanje podobnosti letenja uporabili na treh zbirkah podatkov, ki se uporabljajo za testiranje algoritmov iskanja.
"Rešitev letenja je, če ne celo boljša, pa vsaj tako dobra kot rešitev računalništva, " pravi Navlakha.
Raziskava je bila ta mesec objavljena v reviji Science .
"To delo je zanimivo, " pravi Jeff Clune, profesor računalništva na Univerzi v Wyomingu, ki preučuje nevronske mreže. "Vsakič, ko izvemo, kako je narava rešila težavo, še posebej, če rešitev ni tista, ki smo jo že poznali ali naklonjeni, širi naš orodjarni sklop v smislu poskušanja poustvarjanja naravne inteligence v strojih."
Navlakha in njegova ekipa načrtujejo, da bodo preizkusili iskanje letenja na večjih naborih podatkov in videli, kako ga je mogoče izboljšati. Za razvoj vidi dve poti. Prvo bi bilo iskanje učinkovitejše, kar pomeni, da bi potrebovali manj računalniške moči, kar bi na primer pomenilo, da bi na mobilnem telefonu porabili manj baterije. Drugi način bi bil natančnejši. V nadaljevanju bi ga bilo mogoče uporabiti za izboljšanje algoritmov, ki jih večina uporablja vsak dan v računalnikih in pametnih telefonih.
"To so naše sanje, " pravi Navlakha. "Da se lahko s preučevanjem tega neverjetnega sistema, ki ga danes noben računalnik ne more ponoviti, nekako naučimo boljšega strojnega učenja in umetne inteligence."
