研究人员说，更好的计算机算法的关键可能在果蝇的大脑中找到。

计算机总是在做搜索，包括比较相似的东西。想想当你在YouTube上收听酷玩时，它会推荐Radiohead的一首歌(这就是所谓的“相似性搜索”（similarity search）果蝇为了生存，会做这样一个版本：如果他们知道橘子的气味表示食物，他们将来就会知道相似的气味也是他们可以吃的食物。在今天发表在《科学》杂志上的一项研究中，科学家们发现他们的大脑做这件事的方式与大多数计算机算法做这件事的方式不同——通过使用fly方法，我们可以使我们的计算机程序更好。

想象一下你的电脑正在比较酷玩和无线电头的歌曲。有很多属性要看：流派，速度，歌手的性别，乐器。计算机获取所有这些属性，然后将其归结为，比方说，10，一个更易于管理的数字。然后，他们将一个名为“hash”的标记分配给这些项目中的每一个。当它进行相似性搜索时，它会比较哈希值，而不是遍历所有属性。

研究合著者萨克特·纳夫拉卡（saketnavlakha）是索尔克生物研究所（salkinstituteforbiologicalstudies）的计算机科学家，他说，苍蝇恰恰相反。当果蝇第一次闻到某种东西时，50个神经元以一种独特的组合发出信号。他们没有将这些神经元简化为10个，而是扩展了这些信息。苍蝇的大脑通过大脑向2000个神经元发送信息。

为什么这会使他们更快地识别相似的气味？假设你有50个人（比如50个神经元），你想找出他们之间的相似之处。纳夫拉卡解释说：“如果你把它们放在一个小房间里，它们会互相挤在一起，很难组织起来。”。但如果你把这50个人分散在一个大的领域，就更容易识别信息。传播信息有助于苍蝇大脑给每一种气味贴上更独特的标签。然后，它将这2000个神经元中的前5%存储为“散列”

Navlakha和他的同事在三个数据集上测试了这种扩展方法。他们保持了相同的计算能力，但是判断了新旧方法的准确度，发现fly方法的准确度提高了30%到50%。

“很高兴看到来自神经科学的新见解被用来影响计算机算法，”霍华德休斯医学研究所的计算生物学家克里斯汀·布兰森说，他没有参与这项研究这是我们研究大脑并在电路层面进行计算的原因之一——试图找到进化发现的更好的算法，并将它们结合起来。“研究小组已经证明，这种方法对他们的集合很有效，因此下一步应该是让他们在更多的数据集上尝试这种技术，布兰森说。

虽然一些现有的算法确实使用了一种类似于苍蝇的方法，但并不是所有的算法都这样做。下一步，Navlakha将尝试与其他数据集，也许与行业合作伙伴。