Kun katsot videota YouTubessa tai ostat tuotteen Amazonista ja sinulle tarjotaan heti samanlainen video katsottavaksi tai ostettavaksi tuotteeksi, näet niin kutsutun "samankaltaisuushaun" toiminnassa. Nämä ovat algoritmeja, jotka on suunniteltu etsimään suuria tietosarjoja ja vastaamaan kohteita, jotka ovat tietyllä tavalla samanlaisia. Aivomme tekevät samankaltaisuustutkimuksia koko ajan - tämä henkilö näyttää ystävältäni, tämä kappale kuulostaa tunnetulta kappaleelta.
Hedelmäkärpäset tekevät saman asian. Heidän aivonsa suorittavat samankaltaisuustutkimuksia selvittääkseen, mitä heidän tulisi maistaa ja mitä heidän tulisi välttää. Kärpäsen ei ehkä koskaan ole haistanut mätänevää mangoa, mutta sen aivot pitävät sitä riittävän samanlaisena kuin tuttu herkullisen mätänemän banaanin merkki "syö".
Tutkijoiden mielestä kärpästen samankaltaisuushakujen ymmärtäminen voisi auttaa parantamaan tietokonealgoritmeja.
"Meille kävi ilmi, että molemmat nämä järjestelmät, biologiset ja suunnitellut, ratkaisivat hyvin samanlaisen ongelman", sanoo Kalifornian Salk-instituutin professori Saket Navlakha.
Monet tietokoneen samankaltaisuushaut toimivat antamalla kohteille digitaalisia lyhenteitä, jotka tunnetaan nimellä "hashes". Nämä tiivisteet tekevät todennäköisemmäksi, että samanlaiset tuotteet ryhmitellään toisiinsa. Ohjelma voi sitten hakea nopeammin hashien kuin kohteiden perusteella.
Hedelmäkärpäset, Navlakha ja hänen tiiminsä oppivat, tekevät asiat eri tavalla. Kun perho havaitsee hajun, 50 hermostoa palaa yhdistelmässä, joka on erilainen jokaiselle haulle. Tietokoneohjelma vähentäisi hajuun liittyvien hashien määrää. Mutta kärpäleet todella laajentavat hakua. 50 alkuperäisestä ampumishermosta tulee 2000 ampumahermoa, mikä antaa jokaiselle haulle ainutlaatuisemman yhdistelmän. Kärpäsen aivot tallentavat vain 5 prosenttia näistä 2 000 neuronista, joilla on eniten aktiivisuutta tuon hajun hajautumiseen. Tämä tarkoittaa, että perho-aivot kykenevät ryhmittelemään samanlaiset ja erilaiset hajut selkeämmin, mikä estää niitä sekoittamasta "syö" ja "älä syö" -tuotteita.
Ryhmä ei opiskellut itse kärpäsen aivoja, vaan lukenut nykyisen kirjallisuuden kärpäsosakkuista ja aivopiiristä. Sitten he sovelsivat perho-samankaltaisuushakua kolmeen tietojoukkoon, joita käytettiin hakualgoritmien testaamiseen.
"Kärpäsenratkaisu on jos jopa parempi, niin ainakin yhtä hyvä kuin tietotekniikan ratkaisu", Navlakha sanoo.
Tutkimus julkaistiin tässä kuussa Science- lehdessä.
"Tämä työ on mielenkiintoinen", sanoo hermoverkkoja tutkivan Wyomingin yliopiston tietotekniikan professori Jeff Clune. "Aina kun opimme siitä, kuinka luonto ratkaisi ongelman, varsinkin jos ratkaisua ei ole sellainen, jota jo tunnimme tai suosimme, se laajentaa työkalupakkiamme yrittäessä luoda uudelleen luonnollinen älykkyys koneissa."
Navlakha ja hänen tiiminsä suunnittelevat kokeilevan perhohakua suuremmissa tietoaineistoissa ja näkevänsä miten sitä voidaan parantaa. Hän näkee kaksi kehitysyhteyttä. Ensimmäinen olisi tehdä hausta tehokkaampaa, mikä tarkoittaa, että se tarvitsee vähemmän laskentatehoa, mikä merkitsee vähemmän akun käyttöikää esimerkiksi matkapuhelimessa. Toinen olisi tehdä siitä tarkempi. Lisäksi sitä voidaan mahdollisesti käyttää parantamaan sellaisia algoritmeja, joita suurin osa meistä käyttää päivittäin tietokoneissa ja älypuhelimissa.
"Tämä on unelmamme", Navlakha sanoo. "Tutkimalla tätä hämmästyttävää järjestelmää, jota mikään tietokone ei voi replikoida tänään, voimme jotenkin oppia tekemään parempia koneoppimuksia ja tekoälyä."
