Quando guardi un video su YouTube o acquisti un prodotto su Amazon e ti viene immediatamente offerto un video simile da guardare o un prodotto da acquistare, vedi in azione la cosiddetta "ricerca di somiglianza". Si tratta di algoritmi progettati per cercare grandi serie di dati e abbinare elementi simili in qualche modo. I nostri cervelli eseguono sempre ricerche di somiglianza: questa persona sembra la mia amica, questa canzone sembra quella che conosco.
Le mosche della frutta fanno la stessa cosa. I loro cervelli eseguono ricerche di somiglianza per capire cosa dovrebbero assaggiare e cosa dovrebbero evitare. Una mosca potrebbe non aver mai sentito l'odore di un mango in decomposizione prima, ma il suo cervello lo trova abbastanza simile al trattamento familiare della banana in decomposizione per segnalare "mangiare".
I ricercatori pensano che comprendere le ricerche sulla somiglianza delle mosche potrebbe aiutare a migliorare gli algoritmi informatici.
"Ci è venuto in mente che entrambi questi sistemi, biologici e ingegnerizzati, stavano risolvendo un problema molto simile", afferma Saket Navlakha, professore presso il Salk Institute in California.
Molte ricerche di somiglianza con il computer funzionano fornendo tag digitali di stenografia noti come "hash". Questi hash rendono più probabile il raggruppamento di oggetti simili. Il programma può quindi cercare tramite hash, anziché elementi, che è più veloce.
Mosche della frutta, Navlakha e il suo team hanno imparato, fanno le cose in modo diverso. Quando una mosca percepisce un odore, 50 neuroni sparano in una combinazione diversa per ogni odore. Un programma per computer ridurrebbe il numero di hash associati all'odore. Ma le mosche infatti espandono la loro ricerca. I 50 neuroni di fuoco iniziali diventano 2.000 neuroni di fuoco, dando ad ogni odore una combinazione più unica. Il cervello della mosca immagazzina solo il 5 percento di questi 2000 neuroni con la maggior attività per l'hash di quell'odore. Ciò significa che il cervello di mosca è in grado di raggruppare in modo più chiaro odori simili e dissimili, il che impedisce loro di confondersi tra elementi "mangia" e "non mangiare".
Il team non ha studiato loro stessi i cervelli volanti, ma ha piuttosto letto tutta la letteratura esistente sull'olfatto e sui circuiti cerebrali. Hanno quindi applicato la ricerca di somiglianza al volo a tre set di dati utilizzati per testare algoritmi di ricerca.
"La soluzione fly fa, se non meglio, almeno quanto la soluzione informatica", afferma Navlakha.
La ricerca è stata pubblicata questo mese sulla rivista Science .
"Questo lavoro è interessante", afferma Jeff Clune, professore di informatica all'Università del Wyoming che studia le reti neurali. "Ogni volta che apprendiamo come la natura ha risolto un problema, soprattutto se la soluzione non è quella che già conoscevamo o favoriamo, espande il nostro kit di strumenti in termini di tentativo di ricreare l'intelligenza naturale nelle macchine."
Navlakha e il suo team hanno in programma di provare la ricerca al volo su set di dati più grandi e vedere come può essere migliorato. Vede due strade per lo sviluppo. Il primo sarebbe quello di rendere la ricerca più efficiente, il che significa che avrebbe bisogno di meno potenza di calcolo, il che si tradurrebbe in una minore durata della batteria su un telefono cellulare, ad esempio. Il secondo sarebbe quello di renderlo più preciso. Più in basso potrebbe potenzialmente essere utilizzato per migliorare il tipo di algoritmi che la maggior parte di noi usa quotidianamente sui nostri computer e smartphone.
"Questo è il nostro sogno", afferma Navlakha. "Che studiando questo straordinario sistema che nessun computer è in grado di replicare oggi, possiamo in qualche modo imparare a fare un apprendimento automatico e un'intelligenza artificiale migliori".
