Todos los días, los sitios web que visita y las aplicaciones de teléfonos inteligentes que usa procesan grandes conjuntos de datos para encontrar cosas que se parecen entre sí: productos que son similares a sus compras anteriores; canciones que son similares a las melodías que le han gustado; caras queson similares a las personas que ha identificado en las fotos. Todas estas tareas se conocen como búsquedas de similitudes, y la capacidad de realizar estos juegos de emparejamiento masivos de manera correcta y rápida ha sido un desafío continuo para los científicos informáticos.
Ahora, los científicos de Salk y la Universidad de California en San Diego han descubierto que el cerebro de la mosca de la fruta tiene un método elegante y eficiente para realizar búsquedas de similitudes. Para las moscas, les ayuda a identificar los olores más similares a los que han encontrado antes.para que sepan cómo comportarse en respuesta al olor, como acercarse o evitarlo. Nuevos detalles sobre el enfoque computacional de la mosca para las búsquedas de similitudes de olores, descrito en la revista ciencia el 9 de noviembre de 2017, podría informar a los algoritmos informáticos del futuro.
"Este es un problema que casi todas las empresas de tecnología con cualquier tipo de sistema de recuperación de información tienen que resolver, por lo que es algo que los científicos informáticos han estudiado durante años", dice Saket Navlakha, profesor asistente en el Laboratorio de Biología Integrativa de Salk y líderautor del nuevo artículo. "Ahora, tenemos este nuevo enfoque para las búsquedas de similitudes gracias a la mosca".
La forma en que la mayoría de los sistemas de datos computarizados clasifican los elementos, desde canciones hasta imágenes, para optimizar las búsquedas de similitudes es reduciendo la cantidad de información asociada con cada elemento. Estos sistemas asignan "hash" cortos a cada elemento para que los elementos similares sean másEs probable que se le asigne el mismo hash o uno similar en comparación con dos elementos muy diferentes. Los hash son una especie de taquigrafía digital, de la misma manera que un bitly es una versión más corta de una URL. La asignación de hash de esta forma se denomina "sensible a la localidadhash "a los científicos informáticos. Al buscar elementos similares, un programa examina los hash, en lugar de los elementos originales, para encontrar similitudes rápidamente.
Navlakha estaba charlando con su colega Charles Stevens, profesor del Laboratorio de Neurobiología Molecular de Salk y coautor del nuevo trabajo, que había estudiado el olfato de moscas, cuando el primero se dio cuenta de que las moscas, y todos los animales, se enfrentan constantemente a búsquedas de similitudesTambién. Así que comenzó a peinar la literatura sobre los circuitos cerebrales detrás del olfato de mosca para averiguar cómo las moscas identifican olores similares.
"En el mundo natural, no encontrará exactamente el mismo olor cada vez; habrá algo de ruido y fluctuación", explica Navlakha. "Pero si huele algo que previamente ha asociado con un comportamiento, debes ser capaz de identificar esa similitud y recordar ese comportamiento ". Entonces, si una mosca de la fruta sabe que el olor de un plátano podrido significa la hora de comer, debe responder de la misma manera cuando encuentra un olor muy similar, incluso sinunca había experimentado ese olor exacto antes.
La revisión de Navlakha y sus colaboradores de la literatura reveló que cuando las moscas de la fruta detectan por primera vez un olor, 50 neuronas se activan en una combinación que es única para ese olor. Pero en lugar de mezclar esa información al reducir la cantidad de hashes asociados con el olor,Como lo harían los programas de computadora, las moscas hacen lo contrario: expanden la dimensión. Las 50 neuronas iniciales conducen a 2.000 neuronas, distribuyendo la entrada de modo que cada olor tenga una huella digital aún más distinta entre esas 2.000 neuronas. Entonces, el cerebro almacena solo laEl 5 por ciento de esas 2,000 neuronas con la actividad superior como el "hash" de ese olor. Todo el paradigma ayuda al cerebro a notar las similitudes mejor de lo que lo haría en comparación con la reducción de la dimensión, dice Navlakha.
"Supongamos que tiene un grupo de personas agrupadas por sus relaciones, y están agrupadas en una habitación llena de gente", explica. "Luego, tome las mismas personas y relaciones, pero hágalos dispersos en un campo de fútbol.será mucho más fácil ver la estructura de las relaciones y trazar límites entre los grupos en el espacio expandido en relación con el espacio abarrotado. "
Si bien Navlakha y sus colaboradores no revelaron el mecanismo real por el cual las moscas almacenan información sobre olores, que ya estaba disponible en la literatura, son los primeros en analizar cómo este proceso maximiza la velocidad y la eficiencia para las búsquedas de similitudes.aplicaron el proceso a tres conjuntos de datos estándar que utilizan los científicos informáticos para probar los algoritmos de búsqueda, y encontraron que el enfoque de la mosca mejoraba el rendimiento. Este enfoque, creen, podría informar a los programas de computadora algún día.
"Los científicos informáticos habían utilizado piezas de este enfoque en el pasado, pero la evolución lo combinó de una manera muy singular", dice Navlakha.
Los colaboradores de Navlakha dicen que el estudio es uno de los primeros en establecer paralelismos concretos entre los circuitos neuronales del cerebro y los algoritmos de procesamiento de información utilizados en la informática.
"Durante los últimos 20 años, me interesaron las proyecciones aleatorias [un componente central del hash sensible a la localidad para la búsqueda de similitudes] que se aplican a los algoritmos que se ejecutan en computadoras", dice Sanjoy Dasgupta, profesor de informática e ingenieríaen la Escuela de Ingeniería Jacobs de UCSD y primer autor del nuevo artículo. "Nunca se me ocurrió que operaciones similares pudieran estar en funcionamiento en la naturaleza".
"Un sueño compartido por neurobiólogos e informáticos es comprender cómo el cerebro computa lo suficientemente bien como para que podamos adaptar sus métodos para mejorar la computación de la máquina", agrega Stevens. "Nuestro artículo proporciona una prueba de principio de que este sueño puede convertirse en realidad."
Fuente de la historia :
Materiales proporcionado por Instituto Salk . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :