Это исследование помогает ученым решить фундаментальную проблему машинного обучения.
Что общего у плодовой мушки и поисковой системы? Это не какая-то странная шутка, а серьезное исследование ученых из Института Солка и Калифорнийского университета в Сан-Диего. Алгоритмы поисковых систем прилагают большие усилия, чтобы сопоставить элементы, на которые вы нажали или купили, песни, которые вы слушали, или вещи, которые вы искали, с похожими. В результате нам постоянно нужны все более быстрые и эффективные поисковые системы, поэтому ученые-компьютерщики должны неустанно работать, чтобы не отставать. Им приходится постоянно решать то, что они называют «фундаментальной проблемой машинного обучения: поиск приблизительного сходства (или ближайших соседей)».”
Оказывается, мозги плодовых мушек проходят аналогичный процесс сопоставления, и то, как они это делают, быстро, эффективно и, осмелюсь сказать, элегантно. Это происходит в обонятельной цепи мухи, и это то, что можно назвать нейронным алгоритмом. Он работает как разновидность так называемого хеширования с учетом местоположения (LSH). Хэши - это своего рода сокращение, используемое для ускорения поиска за счет ограничения объема известной информации о каждом элементе.
Вместо нескольких разных видов кошек, скажем, собранных вместе, где трудно выбрать конкретную породу, вы кладете их всех в кошачий хэш или контейнер. Теперь у вас есть одна корзина, в которую помещаются все кошки. Поэтому, когда алгоритму предлагается найти сиамца, вместо перебора всей доступной информации, что было бы своевременным и громоздким, он обращается непосредственно к кошачьему хэшу и вытаскивает суетливый меховой комочек.
Природа ведет поиск по-разному. Обонятельная схема плодовой мушки работает, приписывая нейронные паттерны действиям предметов, которые имеют похожий запах. Хотя мы уже давно знаем, как работают эти цепи, это одно из первых исследований, показывающих прямую корреляцию между нейронными цепями и тем, как алгоритмы обрабатывают информацию. Это также самое первое описание того, как такой процесс можно использовать для ускорения и обновления поисковых систем для будущих компьютеров.
Когда муха идентифицирует новый запах, она может быстро адаптировать свое поведение в зависимости от опыта с подобным запахом в прошлом. Новшество здесь заключается в том, что мозг плодовой мушки использует нетрадиционный подход, трехпроцессорный вычислительный процесс, который более эффективен, чем тот, который используется современными компьютерами.
Банк данных поисковой системы. Моделирование алгоритма поисковой системы по образцу обонятельной нейронной цепи плодовой мушки может когда-нибудь помочь сделать поиск более быстрым и эффективным. Кредит: Getty Images.
В своей статье в журнале Science исследователи написали: «Это восприятие помогает прояснить логику, поддерживающую важную сенсорную функцию, и предоставляет концептуально новый алгоритм для решения фундаментальной вычислительной задачи. Сакет Навлаха был ведущим автором исследования. Он доцент в Лаборатории интегративной биологии Солка. Его работа в основном сосредоточена на алгоритмах, присутствующих в природе. Они, в свою очередь, иллюстрируют, как организмы обрабатывают информацию.
Навлаха сказал Science Daily: «В естественном мире вы не будете каждый раз сталкиваться с одним и тем же запахом; будет некоторый шум и колебания. Но если вы почувствуете запах чего-то, что ранее ассоциировалось с поведением, вы должны быть в состоянии идентифицировать это сходство и вспомнить это поведение».
Каждый предмет, с которым сталкивается плодовая муха, создает «метку» где-то в ее обонятельной цепи. Это группа определенных нейронов, предназначенных для распознавания определенного запаха. Когда присутствует запах, нейроны активируются. Эта метка позволяет мухе научиться правильно реагировать на определенный запах.
Исследователи изучили литературу, касающуюся этих запаховых меток. За обонятельную цепь отвечают 50 нейронов, и они срабатывают в разных комбинациях, каждая из которых уникальна для определенного запаха. Вместо того, чтобы брать эту информацию (или запах) и сводить ее к ряду различных категорий, как это сделал бы компьютер, мухи на самом деле расширяются.
По запаху плодовая муха может очень быстро определить, следует ли ей приблизиться к чему-либо или улететь. Кредит: Pixababy.
Мозг мухи берет 50 нейронов обонятельной цепи и использует их связи, чтобы включить еще 2000. При более широком распространении данных каждый запах становится таким же отчетливым, как отпечаток пальца. Мозг плодовой мушки из этих 2000 нейронов хранит только около 5% максимальной активности в виде хэша или метки. Уменьшая размер, мозг мухи лучше замечает тонкости между элементами.
Навлаха объяснил это так,
Скажем, у вас есть группа людей, сгруппированных по своим отношениям, и они собрались в переполненной комнате. Затем возьмите тех же людей и отношения, но разбросайте их по футбольному полю. Увидеть структуру отношений и провести границы между группами будет намного проще в расширенном пространстве относительно тесного пространства.
Когда Навлаха и его коллеги взяли процесс, который использует мозг плодовой мухи, и применили его к трем стандартным наборам данных, которые используются для тестирования алгоритмов поисковых систем, это значительно повысило скорость и эффективность. «Части этого подхода использовались в прошлом учеными-компьютерщиками, но эволюция объединила их совершенно уникальным образом», - сказал Навлаха.
Биомимикрия - это новая область, которая замечает механизмы в природе и пытается использовать их для создания лучших компьютеров и машин. Одна из его целей - лучше понять человеческий мозг и при этом улучшить A. I., что позволяет ему работать более естественным и эффективным образом. Это исследование приближает нас на один шаг к этой цели. Поэтому, когда вы будете использовать поисковую систему в будущем, она может быть смоделирована по образцу мозга плодовой мухи, а когда-нибудь и по вашему собственному.