Όταν παρακολουθείτε ένα βίντεο στο YouTube ή αγοράζετε ένα προϊόν στο Amazon και σας προσφέρεται αμέσως ένα παρόμοιο βίντεο για να παρακολουθήσετε ή να αγοράσετε ένα προϊόν, βλέπετε την ενέργεια "αναζήτηση ομοιότητας". Αυτοί είναι αλγόριθμοι που έχουν σχεδιαστεί για να αναζητούν μεγάλα σύνολα δεδομένων και στοιχεία αντιστοίχισης που είναι παρόμοια με κάποιο τρόπο. Οι εγκέφαλοί μας διεξάγουν συνεχώς αναζητήσεις ομοιότητας - αυτό το πρόσωπο μοιάζει με το φίλο μου, αυτό το τραγούδι ακούγεται σαν ένα ξέρω.
Οι μύγες φρούτων κάνουν το ίδιο πράγμα. Ο εγκέφαλός τους διεξάγει έρευνες ομοιότητας για να καταλάβει τι πρέπει να δοκιμάσουν και τι πρέπει να αποφύγουν. Μια μύγα δεν μπορεί ποτέ να μύριζε ένα σαπίζοντας μάνγκο πριν, αλλά ο εγκέφαλός της το βρίσκει αρκετά παρόμοιο με την οικεία θεραπεία της σήψης της σήψης της μπανάνας για να σηματοδοτήσει "τρώει".
Οι ερευνητές πιστεύουν ότι η κατανόηση των αναζητήσεων ομοιότητας των μύγες θα μπορούσε να βοηθήσει στη βελτίωση των αλγορίθμων του υπολογιστή.
"Εκτιμήθηκε ότι και τα δύο αυτά συστήματα, βιολογικά και μηχανικά, λύνουν ένα πολύ παρόμοιο πρόβλημα", λέει ο Saket Navlakha, καθηγητής στο Ινστιτούτο Salk στην Καλιφόρνια.
Πολλές αναζητήσεις ομοιότητας με υπολογιστές δουλεύουν δίνοντας αντικείμενα ψηφιακές ετικέτες στενογραφίας γνωστές ως "hashes". Αυτά τα hashes κάνουν πιο πιθανό ότι παρόμοια στοιχεία θα ομαδοποιηθούν. Το πρόγραμμα μπορεί στη συνέχεια να ψάξει με hashes, παρά με στοιχεία, τα οποία είναι ταχύτερα.
Τα φρούτα μύγες, Navlakha και η ομάδα του έμαθαν, κάνουν τα πράγματα διαφορετικά. Όταν μια μύγα αισθάνεται μια οσμή, 50 νευρώνες πυρπολούν σε ένα συνδυασμό που είναι διαφορετικό για κάθε μυρωδιά. Ένα πρόγραμμα υπολογιστή θα μειώσει τον αριθμό των χασίς που σχετίζονται με την οσμή. Αλλά μύγες στην πραγματικότητα διευρύνουν την αναζήτησή τους. Οι 50 αρχικοί νευρώνες εκτόξευσης γίνονται 2.000 νευρώνες ψήσιμο, δίνοντας κάθε μυρωδιά έναν πιο μοναδικό συνδυασμό. Ο εγκέφαλος της μύτης αποθηκεύει μόνο το 5% αυτών των 2.000 νευρώνων με τη μεγαλύτερη δραστηριότητα για το hash αυτής της οσμής. Αυτό σημαίνει ότι ο μυαλό μύγας είναι σε θέση να ομαδοποιήσει πιο ομοιόμορφα παρόμοιες και ανόμοιες οσμές, γεγονός που τους εμποδίζει να συγχέονται μεταξύ των ειδών "φάτε" και "μην τρώτε".
Η ομάδα δεν μελέτησε τους ίδιους τους εγκεφάλους, αλλά μάλλον διαβάσει μέσω της υπάρχουσας βιβλιογραφίας για την οσφρητική μύγα και τα κυκλώματα του εγκεφάλου. Έπειτα, εφάρμοσαν την αναζήτηση ομοιότητας πτηνών σε τρία σύνολα δεδομένων που χρησιμοποιούνται για τον έλεγχο αλγορίθμων αναζήτησης.
"Η λύση μύγας, αν όχι καλύτερη, είναι τουλάχιστον τόσο καλή όσο η λύση της επιστήμης των υπολογιστών", λέει ο Navlakha.
Η έρευνα δημοσιεύθηκε αυτό το μήνα στο περιοδικό Science .
"Αυτό το έργο είναι ενδιαφέρον, " λέει ο Jeff Clune, καθηγητής πληροφορικής στο Πανεπιστήμιο του Wyoming, ο οποίος μελετά νευρωνικά δίκτυα. «Κάθε φορά που μαθαίνουμε πώς η φύση λύνεται ένα πρόβλημα, ειδικά αν η λύση δεν είναι μια λύση που ήδη γνωρίζουμε ή ευνοούμε, επεκτείνει το εργαλείο μας όσον αφορά την προσπάθεια αναδημιουργίας φυσικής νοημοσύνης σε μηχανές».
Ο Navlakha και η ομάδα του σχεδιάζουν να δοκιμάσουν την αναζήτηση μύγας σε μεγαλύτερα σύνολα δεδομένων και να δουν πώς μπορεί να βελτιωθεί. Βλέπει δύο δρόμους ανάπτυξης. Το πρώτο θα ήταν να καταστήσει την αναζήτηση πιο αποδοτική, πράγμα που σημαίνει ότι θα χρειαζόταν λιγότερη υπολογιστική ισχύ, η οποία θα οδηγούσε στη χρήση λιγότερης διάρκειας ζωής μπαταρίας σε κινητό τηλέφωνο, για παράδειγμα. Το δεύτερο θα ήταν να το καταστήσουμε πιο ακριβές. Περαιτέρω κάτω από τη γραμμή θα μπορούσε ενδεχομένως να χρησιμοποιηθεί για να βελτιώσει το είδος των αλγορίθμων που οι περισσότεροι από εμάς χρησιμοποιούν καθημερινά στους υπολογιστές και τα smartphones μας.
"Αυτό είναι το όνειρό μας", λέει ο Navlakha. "Ότι μελετώντας αυτό το καταπληκτικό σύστημα που δεν μπορεί να αναπαράγει σήμερα κάποιος υπολογιστής, μπορούμε με κάποιο τρόπο να μάθουμε να κάνουμε καλύτερη μηχανική μάθηση και τεχνητή νοημοσύνη".
