Теперь, Salk и ученые Калифорнийского университета Сан-Диего обнаружили, что у мозга дрозофилы есть изящный и эффективный метод выступающих поисков подобия. Для мух это помогает им определить ароматы, которые являются самыми подобными тем, они столкнулись прежде, таким образом, они знают, как вести себя в ответ на аромат, например, приблизиться или избежать его. Новые детали о вычислительном подходе мухи к вонючим поискам подобия, описанным в журнале Science on November 9, 2017, могли сообщить компьютерным алгоритмам будущего.
«Это – проблема, которую в значительной степени должна решить каждая технологическая компания с любым видом информационно-поисковой системы, таким образом, это было что-то, что программисты изучали в течение многих лет», говорит Сэкет Нэвлэха, доцент в Интегральной Биологии Солка Лабораторный и ведущий автор новой статьи. «Теперь, у нас есть этот новый подход к поискам подобия благодаря мухе».Путем большинство компьютеризированных систем данных категоризирует пункты – от песен до изображений – чтобы оптимизировать поиски подобия, уменьшая объем информации, связанный с каждым пунктом. Эти системы назначают короткие «мешанины» на каждый пункт так, чтобы подобным пунктам, более вероятно, назначили то же самое или подобная мешанина по сравнению с двумя совсем другими пунктами. (Мешанины – своего рода цифровая стенография, путь разрядное – более короткая версия URL.) Назначающие мешанины таким образом назван «чувствительным к местности хешированием» к программистам. Ища подобные пункты, программа просматривает мешанины, а не оригинальные пункты, чтобы найти общие черты быстро.
Нэвлэха болтал с коллегой Чарльзом Стивенсом, преподавателем в Молекулярной Лаборатории Нейробиологии Солка и соавтором новой работы, который изучил муху olfaction, когда первый понял, что мухи – и все животные – постоянно сталкиваются с поисками подобия также. Таким образом, он начал расчесывать литературу по мозговой схеме позади мухи olfaction, чтобы разработать, как мухи определяют подобные запахи.«В мире природы Вы не собираетесь сталкиваться точно с тем же самым ароматом каждый раз; там будет некоторым шумом и колебанием», объясняет Нэвлэха. «Но если Вы чувствуете запах чего-то, что Вы ранее связали с поведением, Вам необходимо определить, что подобие и напоминает то поведение».
Таким образом, если дрозофила знает, что запах гниющего банана означает время приема пищи, это должно ответить тот же самый путь, когда это сталкивается с очень похожим запахом, даже если это никогда не испытывало тот точный запах прежде.Нэвлэха и обзор его сотрудников литературы показали, что, когда дрозофилы первый смысл аромат, 50 нейронов стреляют в комбинацию, это уникально для того запаха. А скорее, чем хеширование той информации, сокращая количество мешанин, связанных с ароматом, как компьютерные программы были бы, мухи делают противоположное – они расширяют измерение. 50 начальных нейронов приводят к 2 000 нейронов, распространяя вход так, чтобы у каждого запаха был еще более отличный отпечаток пальца среди тех 2 000 нейронов.
Мозг тогда хранит только 5 процентов тех 2 000 нейронов с главной деятельностью как «мешанина» для того аромата. Целая парадигма помогает мозговым общим чертам уведомления лучше, чем она была бы по сравнению с сокращением измерения, говорит Нэвлэха.«Скажите, что Вам сгруппировали группу людей их отношения, и они связаны в переполненную комнату», объясняет он. «Тогда возьмите тех же самых людей и отношения, но сделайте, чтобы они распространились на футбольном поле.
Будет намного легче видеть структуру отношений и провести границы между группами в расширенном космосе относительно переполненного пространства».В то время как Navlakha и его сотрудники не показали фактический механизм, которым мухи хранят информацию аромата – который был уже доступен в литературе – они первые, чтобы проанализировать, как этот процесс максимизирует скорость и эффективность для поисков подобия.
Когда они применили процесс к трем стандартному использованию программистов наборов данных, чтобы проверить алгоритмы поиска, они нашли, что муха приближается к улучшенной работе. Этот подход, они думают, может сообщить компьютерным программам когда-нибудь.«Части этого подхода использовались в прошлом программистами, но эволюция соединила его очень уникальным способом», говорит Нэвлэха.Сотрудники Нэвлэхи говорят, что исследование среди первого, чтобы сделать такие конкретные параллели между нервными схемами в алгоритмах мозговой и обработки информации используемыми в информатике.
«В течение прошлых 20 лет я интересовался случайными прогнозами [основной компонент чувствительного к местности хеширования для поиска подобия], поскольку они относятся к алгоритмам, работающим на компьютерах», говорит Сэнджой Дасгупта, преподаватель информатики и разработки в Школе UCSD Джейкобса Технического и первого автора новой статьи. «Мне никогда не приходило в голову, что подобные операции могут работать по своей природе».«Мечта, разделенная нейробиологами и программистами, должна понять, как мозг вычисляет достаточно хорошо, что мы можем приспособить его методы, чтобы улучшить машинное вычисление», добавляет Стивенс. «Наша статья предоставляет доказательство принципа, что эта мечта может стать действительностью».