Kada gledate videozapis na YouTubeu ili kupujete proizvod na Amazonu, a odmah vam se nudi sličan videozapis za gledanje ili proizvod za kupnju, vidite da je na djelu ono što je poznato kao "pretraživanje sličnosti". Ovo su algoritmi dizajnirani za pretraživanje velikih skupova podataka i podudaranje stavki na neki način sličnih. Naši mozgovi neprestano pretražuju sličnost - ta osoba izgleda kao moj prijatelj, ova pjesma zvuči kao ona koju znam.
Voćne muhe rade isto. Njihovi mozgovi vrše pretrage sličnosti kako bi shvatili što bi trebali okusiti i što bi trebali izbjegavati. Muha možda nikad prije nije mirisala truli mango, ali mozak joj se čini dovoljno sličan poznatoj poslastici trule banane da signalizira "jesti".
Istraživači misle da bi razumijevanje sličnosti pretraživanja muva moglo poboljšati algoritme računala.
"Palo nam je na pamet da su oba ova sustava, biološki i inženjerski, rješavali vrlo sličan problem", kaže Saket Navlakha, profesor sa Salk instituta u Kaliforniji.
Mnoge računalne sličnosti pretražuju davanjem stavkama digitalnim oznakama za skraćenicu poznatim kao "heševi". Ovi heševi čine vjerojatnijim da će se slični predmeti grupirati. Program tada može pretraživati hashe, a ne stavke, što je brže.
Voćne muhe, naučili su Navlakha i njegov tim, rade stvari drugačije. Kad muha osjeti miris, 50 neurona puca u kombinaciji koja je različita za svaki miris. Računalni program smanjio bi broj mješavina povezanih s neugodnim mirisom. Ali muhe zapravo proširuju svoju potragu. 50 početnih ispalnih neurona postaju 2.000 pucajući neuroni, što svakom mirisu daje jedinstvenu kombinaciju. Mozak muhe pohranjuje samo 5 posto od tih 2000 neurona s najviše aktivnosti za hašiš tog mirisa. To znači da je leteći mozak sposobniji grupirati slične i različite mirise, što ih sprečava da zbune stavke "jesti" i "ne jedu".
Tim nisu sami proučavali mozak muha, već su samo pročitali postojeću literaturu o mirisu letenja i mozgu. Zatim su primijenili pretraživanje sličnosti leta na tri skupa podataka koji se koriste za testiranje algoritama pretraživanja.
"Rješenje za letenje čini, ako ne i bolje, nego barem jednako dobro kao rješenje informatike", kaže Navlakha.
Istraživanje je ovog mjeseca objavljeno u časopisu Science .
"Ovaj je posao zanimljiv", kaže Jeff Clune, profesor računarske znanosti na Sveučilištu Wyoming koji proučava neuronske mreže. "Kad god saznamo o tome kako je priroda riješila problem, pogotovo ako rješenje nije ono koje smo već poznavali ili favorizirali, to proširuje naš alatni alat u smislu pokušaja ponovne stvaranja prirodne inteligencije u strojevima."
Navlakha i njegov tim planiraju isprobati pretragu leta na većim setovima podataka i vidjeti kako se to može poboljšati. On vidi dva puta za razvoj. Prvo bi bilo da pretraga bude učinkovitija, što znači da će joj trebati manje računalne snage, što bi se, primjerice, pretvaralo u korištenje manjeg trajanja baterije na mobitelu. Drugo bi bilo učiniti točnijim. Dalje niz linije mogao bi se koristiti za poboljšanje algoritama koje većina nas koristi svakodnevno na našim računalima i pametnim telefonima.
"Ovo je naš san", kaže Navlakha. „Da proučavanjem ovog nevjerojatnog sustava koji danas nijedno računalo ne može ponoviti, nekako možemo naučiti raditi bolje strojno učenje i umjetnu inteligenciju.“
