Cuando mira un video en YouTube o compra un producto en Amazon y se le ofrece de inmediato un video similar para ver o un producto para comprar, está viendo lo que se conoce como una "búsqueda de similitud" en acción. Estos son algoritmos diseñados para buscar grandes conjuntos de datos y hacer coincidir elementos que son similares de alguna manera. Nuestros cerebros realizan búsquedas de similitud todo el tiempo: esta persona se parece a mi amigo, esta canción suena como una que conozco.
Las moscas de la fruta hacen lo mismo. Sus cerebros realizan búsquedas de similitud para descubrir qué deben probar y qué deben evitar. Es posible que una mosca nunca haya olido un mango podrido antes, pero su cerebro lo encuentra lo suficientemente similar al tratamiento familiar del plátano podrido como para indicar "comer".
Los investigadores piensan que comprender las búsquedas de similitud de las moscas podría ayudar a mejorar los algoritmos informáticos.
"Se nos ocurrió que ambos sistemas, biológicos y de ingeniería, estaban resolviendo un problema muy similar", dice Saket Navlakha, profesor del Instituto Salk en California.
Muchas búsquedas de similitud de computadora funcionan al dar a los artículos etiquetas digitales abreviadas conocidas como "hashes". Estos hash hacen que sea más probable que elementos similares se agrupen. El programa puede buscar por hash, en lugar de elementos, lo que es más rápido.
Las moscas de la fruta, aprendieron Navlakha y su equipo, hacen las cosas de manera diferente. Cuando una mosca siente un olor, 50 neuronas se disparan en una combinación que es diferente para cada olor. Un programa de computadora reduciría la cantidad de hashes asociados con el olor. Pero las moscas, de hecho, amplían su búsqueda. Las 50 neuronas de disparo iniciales se convierten en 2, 000 neuronas de disparo, lo que le da a cada olor una combinación más única. El cerebro de la mosca almacena solo el 5 por ciento de estas 2, 000 neuronas con la mayor actividad para el olor de ese olor. Esto significa que el cerebro de la mosca puede agrupar olores similares y distintos de manera más distintiva, lo que evita que se confundan entre los elementos "comer" y "no comer".
El equipo no estudió los cerebros de las moscas, sino que leyó la literatura existente sobre olfato de moscas y circuitos cerebrales. Luego aplicaron la búsqueda de similitud de vuelo a tres conjuntos de datos utilizados para probar algoritmos de búsqueda.
"La solución fly es, si no mejor, que al menos tan buena como la solución informática", dice Navlakha.
La investigación fue publicada este mes en la revista Science .
"Este trabajo es interesante", dice Jeff Clune, profesor de informática en la Universidad de Wyoming que estudia redes neuronales. "Cada vez que aprendemos sobre cómo la naturaleza resolvió un problema, especialmente si la solución no es una que ya conocíamos o preferimos, expande nuestro conjunto de herramientas en términos de tratar de recrear la inteligencia natural en las máquinas".
Navlakha y su equipo planean probar la búsqueda rápida en conjuntos de datos más grandes y ver cómo se puede mejorar. Él ve dos caminos para el desarrollo. El primero sería hacer que la búsqueda sea más eficiente, lo que significa que necesitaría menos potencia de cómputo, lo que se traduciría en usar menos batería en un teléfono celular, por ejemplo. El segundo sería hacerlo más preciso. Más adelante en el futuro, podría usarse para mejorar el tipo de algoritmos que la mayoría de nosotros usamos todos los días en nuestras computadoras y teléfonos inteligentes.
"Este es nuestro sueño", dice Navlakha. "Que al estudiar este sorprendente sistema que ninguna computadora puede replicar hoy, de alguna manera podemos aprender a mejorar el aprendizaje automático y la inteligencia artificial".
