Apabila anda menonton video di YouTube atau membeli produk di Amazon dan dengan serta-merta ditawarkan video yang sama untuk menonton atau membeli produk, anda melihat apa yang dikenali sebagai "carian keserupaan" dalam tindakan. Ini adalah algoritma yang direka untuk mencari set data yang besar dan sepadan dengan item yang sama dalam beberapa cara. Otak kita melakukan pencarian keseragaman sepanjang masa - orang ini kelihatan seperti kawan saya, lagu ini terdengar seperti yang saya tahu.
Lalat buah melakukan perkara yang sama. Otak mereka melakukan carian keserupaan untuk mengetahui apa yang mereka rasa dan apa yang harus mereka hindari. Lalat mungkin tidak pernah berbau mangga sebelum ini, tetapi otaknya mencukupi sama dengan perlakuan biasa pisang yang membusuk untuk menandakan "makan".
Para penyelidik berfikir memahami pencarian kesamaan lalat boleh membantu meningkatkan algoritma komputer.
"Kami menyedari bahawa kedua-dua sistem ini, biologi dan kejuruteraan, telah menyelesaikan masalah yang sama, " kata Saket Navlakha, seorang profesor di Institut Salk di California.
Banyak carian keserupaan komputer berfungsi dengan memberikan tanda-tanda digital yang dikenali sebagai "hash." Hash ini menjadikannya lebih berkemungkinan item yang sama akan dikumpulkan bersama. Program ini kemudiannya boleh mencari oleh hash, dan bukannya item, yang lebih cepat.
Lalat buah, Navlakha dan pasukannya belajar, melakukan perkara yang berbeza. Apabila lalat merasakan bau, 50 neuron api dalam kombinasi yang berbeza untuk setiap bau. Program komputer akan mengurangkan jumlah hash yang berkaitan dengan bau. Tetapi lalat sebenarnya mengembangkan pencarian mereka. 50 neuron penembusan awal menjadi 2, 000 neuron penembakan, memberikan setiap bau gabungan yang lebih unik. Kedai-kedai otak terbang hanya 5 peratus daripada 2, 000 neuron ini dengan aktiviti yang paling untuk hash bau itu. Ini bermaksud otak terbang dapat menggabungkan bau yang serupa dan tidak jelas yang lebih jelas, yang menghalang mereka daripada membingungkan antara barangan "makan" dan "tidak makan".
Pasukan ini tidak mempelajari otak terbang sendiri, melainkan membaca kesusasteraan yang ada pada penemuan lancar dan litar otak. Mereka kemudian menggunakan carian kesamaan terbang ke tiga dataset yang digunakan untuk menguji algoritma carian.
"Penyelesaian lalat tidak, jika tidak lebih baik, sekurang-kurangnya sebaik penyelesaian sains komputer, " kata Navlakha.
Penyelidikan itu diterbitkan bulan ini dalam jurnal Science .
"Kerja ini menarik, " kata Jeff Clune, seorang profesor sains komputer di University of Wyoming yang mempelajari rangkaian saraf. "Pada bila-bila masa kita belajar tentang bagaimana alam menyelesaikan masalah, terutama jika penyelesaiannya bukanlah satu yang kita sudah tahu atau suka, ia memperluaskan toolkit kita dari segi mencipta semula kecerdasan semula jadi dalam mesin."
Navlakha dan pasukannya merancang untuk mencuba carian lalat pada dataset yang lebih besar dan melihat bagaimana ia dapat diperbaiki. Dia melihat dua jalan untuk pembangunan. Yang pertama adalah untuk membuat pencarian lebih cekap, bermakna ia memerlukan kurang kuasa pengkomputeran, yang akan diterjemahkan ke dalam menggunakan kurang hayat bateri pada telefon bimbit, sebagai contoh. Yang kedua ialah menjadikannya lebih tepat. Lebih jauh lagi, ia berpotensi digunakan untuk memperbaiki jenis algoritma yang kebanyakan kita gunakan setiap hari di komputer dan telefon pintar kita.
"Ini impian kami, " kata Navlakha. "Dengan mempelajari sistem yang menakjubkan ini, tidak ada komputer yang boleh ditiru hari ini, kita boleh mempelajari pembelajaran mesin yang lebih baik dan kecerdasan buatan."
