我們可以學習果蠅的大腦來改進我們的搜尋演算法

研究人員說，更好的計算機演算法的關鍵可能在果蠅的大腦中找到。...

研究人員說，更好的計算機演算法的關鍵可能在果蠅的大腦中找到。

計算機總是在做搜尋，包括比較相似的東西。想想當你在YouTube上收聽酷玩時，它會推薦Radiohead的一首歌(這就是所謂的“相似性搜尋”（similarity search）果蠅為了生存，會做這樣一個版本：如果他們知道橘子的氣味表示食物，他們將來就會知道相似的氣味也是他們可以吃的食物。在今天發表在《科學》雜誌上的一項研究中，科學家們發現他們的大腦做這件事的方式與大多數計算機演算法做這件事的方式不同——透過使用fly方法，我們可以使我們的計算機程式更好。

想象一下你的電腦正在比較酷玩和無線電頭的歌曲。有很多屬性要看：流派，速度，歌手的性別，樂器。計算機獲取所有這些屬性，然後將其歸結為，比方說，10，一個更易於管理的數字。然後，他們將一個名為“hash”的標記分配給這些專案中的每一個。當它進行相似性搜尋時，它會比較雜湊值，而不是遍歷所有屬性。

研究合著者薩克特·納夫拉卡（saketnavlakha）是索爾克生物研究所（salkinstituteforbiologicalstudies）的電腦科學家，他說，蒼蠅恰恰相反。當果蠅第一次聞到某種東西時，50個神經元以一種獨特的組合發出訊號。他們沒有將這些神經元簡化為10個，而是擴充套件了這些資訊。蒼蠅的大腦透過大腦向2000個神經元傳送資訊。

為什麼這會使他們更快地識別相似的氣味？假設你有50個人（比如50個神經元），你想找出他們之間的相似之處。納夫拉卡解釋說：“如果你把它們放在一個小房間裡，它們會互相擠在一起，很難組織起來。”。但如果你把這50個人分散在一個大的領域，就更容易識別資訊。傳播資訊有助於蒼蠅大腦給每一種氣味貼上更獨特的標簽。然後，它將這2000個神經元中的前5%儲存為“雜湊”

Navlakha和他的同事在三個資料集上測試了這種擴充套件方法。他們保持了相同的計算能力，但是判斷了新舊方法的準確度，發現fly方法的準確度提高了30%到50%。

“很高興看到來自神經科學的新見解被用來影響計算機演算法，”霍華德休斯醫學研究所的計算生物學家克裡斯汀·布蘭森說，他沒有參與這項研究這是我們研究大腦併在電路層面進行計算的原因之一——試圖找到進化發現的更好的演算法，並將它們結合起來。“研究小組已經證明，這種方法對他們的集合很有效，因此下一步應該是讓他們在更多的資料集上嘗試這種技術，布蘭森說。

雖然一些現有的演算法確實使用了一種類似於蒼蠅的方法，但並不是所有的演算法都這樣做。下一步，Navlakha將嘗試與其他資料集，也許與行業合作伙伴。