Wenn Sie ein Video auf YouTube ansehen oder ein Produkt bei Amazon kaufen und sofort ein ähnliches Video zum Anschauen oder Kaufen angeboten bekommen, sehen Sie eine sogenannte Ähnlichkeitssuche in Aktion. Hierbei handelt es sich um Algorithmen, mit denen große Datenmengen durchsucht und Elemente abgeglichen werden, die sich in gewisser Weise ähneln. Unser Gehirn führt die ganze Zeit Ähnlichkeitssuchen durch - diese Person sieht aus wie mein Freund, dieser Song klingt wie einer, den ich kenne.
Fruchtfliegen tun dasselbe. Ihr Gehirn führt Ähnlichkeitssuchen durch, um herauszufinden, was sie schmecken und was sie vermeiden sollten. Eine Fliege hat vielleicht noch nie eine verrottende Mango gerochen, aber ihr Gehirn findet sie ähnlich genug wie die bekannte verrottende Banane, um "Essen" zu signalisieren.
Forscher glauben, dass das Verständnis der Ähnlichkeitssuche der Fliegen zur Verbesserung von Computeralgorithmen beitragen könnte.
„Uns ist aufgefallen, dass beide biologischen und technischen Systeme ein sehr ähnliches Problem lösen“, sagt Saket Navlakha, Professor am Salk Institute in Kalifornien.
Viele Computer-Ähnlichkeitsrecherchen funktionieren, indem Sie digitalen Kurzwörtern, so genannten "Hashes", Elemente zuweisen. Diese Hashes erhöhen die Wahrscheinlichkeit, dass ähnliche Elemente zu Gruppen zusammengefasst werden. Das Programm kann dann schneller nach Hashes als nach Elementen suchen.
Fruchtfliegen, haben Navlakha und sein Team gelernt, machen die Dinge anders. Wenn eine Fliege einen Geruch wahrnimmt, feuern 50 Neuronen in einer Kombination, die für jeden Geruch unterschiedlich ist. Ein Computerprogramm würde die Anzahl der mit dem Geruch verbundenen Hashes verringern. Aber tatsächlich erweitern Fliegen ihre Suche. Die 50 anfänglichen Feuerneuronen werden zu 2.000 Feuerneuronen, was jedem Geruch eine einzigartigere Kombination verleiht. Das Gehirn der Fliege speichert nur 5 Prozent dieser 2.000 Neuronen mit der höchsten Aktivität für den Hasch dieses Geruchs. Dies bedeutet, dass das Fliegenhirn ähnliche und unterschiedliche Gerüche deutlicher gruppieren kann, wodurch verhindert wird, dass sie zwischen "essen" und "nicht essen" verwechselt werden.
Das Team untersuchte nicht das Fliegengehirn selbst, sondern las die vorhandene Literatur über Fliegengeruch und Gehirnschaltungen durch. Anschließend haben sie die Flugähnlichkeitssuche auf drei Datensätze angewendet, die zum Testen von Suchalgorithmen verwendet wurden.
„Die Fly-Lösung ist mindestens so gut wie die Informatik-Lösung, wenn nicht sogar besser“, sagt Navlakha.
Die Forschung wurde diesen Monat in der Zeitschrift Science veröffentlicht .
"Diese Arbeit ist interessant", sagt Jeff Clune, Professor für Informatik an der University of Wyoming, der sich mit neuronalen Netzen befasst. "Jedes Mal, wenn wir erfahren, wie die Natur ein Problem gelöst hat, insbesondere wenn es sich nicht um eine Lösung handelt, die wir bereits kannten oder favorisierten, erweitert sie unser Toolkit, um die natürliche Intelligenz in Maschinen wiederherzustellen."
Navlakha und sein Team planen, die Fliegensuche an größeren Datensätzen zu testen und zu prüfen, wie sie verbessert werden kann. Er sieht zwei Entwicklungswege. Die erste wäre, die Suche effizienter zu gestalten, was bedeutet, dass weniger Rechenleistung benötigt wird, was sich beispielsweise in einer geringeren Akkulaufzeit für ein Mobiltelefon niederschlägt. Das zweite wäre, es genauer zu machen. Im weiteren Verlauf könnte es möglicherweise verwendet werden, um die Art von Algorithmen zu verbessern, die die meisten von uns täglich auf ihren Computern und Smartphones verwenden.
"Das ist unser Traum", sagt Navlakha. "Wenn wir dieses erstaunliche System studieren, das heute kein Computer replizieren kann, können wir irgendwie lernen, maschinelles Lernen und künstliche Intelligenz zu verbessern."
