Када гледате видео на ИоуТубеу или купите производ на Амазону и одмах вам се понуди сличан видеозапис за гледање или производ за куповину, видите оно што је познато као „претрага сличности“ у акцији. Ово су алгоритми дизајнирани да претражују велике скупове података и одговарају ставкама које су на неки начин сличне. Наши мозгови непрестано претражују сличност - ова особа личи на мог пријатеља, ова песма звучи као она коју знам.
Воћне мухе раде исто. Њихов мозак врши сличне претраге како би смислио шта треба да има укус и шта треба да избегава. Муха можда никада раније није мирисала трули манго, али мозак јој се чини довољно сличан познатој посластици труле банане да сигнализира "једи".
Истраживачи мисле да би разумевање сличности претрага мува могло да помогне у побољшању рачунарских алгоритама.
„Пало нам је на памет да оба ова система, биолошки и пројектовани, решавају врло сличан проблем“, каже Сакет Навлакха, професор са Института Салк у Калифорнији.
Многе рачунарске сличности претражују се радећи тако што предметима дају дигиталне ознаке за скраћеницу познате као „хешеви“. Ови хешеви чине вероватнијим да ће се слични предмети групирати. Програм тада може претраживати хешеве, а не ставке, што је брже.
Воћне мушице, Навлакха и његов тим су научили, раде ствари другачије. Када мува осети мирис, 50 неурона пуца у комбинацији која је различита за сваки мирис. Рачунарски програм смањио би број хасх-ова повезаних са мирисом. Али мухе у ствари проширују своју потрагу. 50 почетних испалних неурона постају 2.000 пуцајући неурони, што сваком мирису даје јединствену комбинацију. Мозак мува складишти само 5 процената од 2.000 неурона са највише активности за хашиш тог мириса. То значи да је летећи мозак у стању да јасније групише сличне и различите мирисе, што их спречава да се збуне између предмета „једи“ и „не једу“.
Тим није проучавао летеће мозгове, већ је прочитао постојећу литературу о мирису летења и можданом кругу. Затим су примењивали претрагу сличности лета на три скупа података која се користе за тестирање алгоритама претраживања.
„Летеће решење чини, ако не и боље, али бар онолико добро колико решење из информатике“, каже Навлакха.
Истраживање је овог месеца објављено у часопису Сциенце .
„Овај рад је занимљив“, каже Јефф Цлуне, професор рачунарске науке на Универзитету Виоминг који проучава неуронске мреже. "Сваки пут када сазнамо о томе како је природа решила проблем, посебно ако решење није оно које смо већ познавали или фаворизовали, то проширује наш алатки у смислу покушаја да се поново створи природна интелигенција у машинама."
Навлакха и његов тим планирају да испробају претрагу лета на већим сетовима података и виде како то може да се побољша. Он види две путеве развоја. Прво би било да претрага буде ефикаснија, што значи да ће јој требати мања рачунарска снага, што би се, на пример, претварало у коришћење мањег трајања батерије на мобилном телефону. Друго би било да то буде тачније. Даље од линије, потенцијално би се могао користити за побољшање алгоритама које већина нас свакодневно користи на рачунару и паметним телефонима.
"Ово је наш сан", каже Навлакха. „Да проучавањем овог невероватног система који данас ниједан рачунар не може да се понови, можемо некако научити да радимо боље машинско учење и вештачку интелигенцију.“
