YouTubeでビデオを視聴するか、Amazonで製品を購入し、すぐに同様のビデオを視聴したり、製品を購入したりすると、「類似検索」と呼ばれるものが動作していることがわかります。 これらは、大量のデータセットを検索し、何らかの方法で類似するアイテムに一致するように設計されたアルゴリズムです。 私たちの脳は常に類似性検索を実行します。この人は私の友人のように見え、この歌は私が知っているように聞こえます。
ミバエは同じことをします。 彼らの脳は類似性検索を実行して、味わうべきものと避けるべきものを見つけ出します。 ハエが腐ったマンゴーの匂いを嗅いだことは一度もないかもしれませんが、その脳はそれを「食べる」ことを知らせる腐ったバナナの馴染みのある扱いに十分似ていると感じます。
研究者は、ハエの類似検索を理解すると、コンピューターアルゴリズムの改善に役立つと考えています。
「生物学的システムと工学的システムの両方が非常によく似た問題を解決していることがわかりました」と、カリフォルニアのソーク研究所の教授、サケット・ナブラカは言います。
多くのコンピューター類似検索は、「ハッシュ」として知られるデジタルショートハンドタグをアイテムに与えることで機能します。 これらのハッシュにより、同様のアイテムがグループ化される可能性が高くなります。 プログラムは、アイテムではなくハッシュで検索できるため、より高速です。
ミバエは、ナブラカと彼のチームが学んだことは、物事を異なる方法で行う。 ハエが匂いを感じると、50個のニューロンが、匂いごとに異なる組み合わせで発火します。 コンピュータプログラムは、臭気に関連するハッシュの数を減らすでしょう。 しかし、ハエは実際に検索範囲を広げます。 50個の初期発火ニューロンが2, 000個の発火ニューロンになり、それぞれの匂いがよりユニークな組み合わせになります。 ハエの脳は、これらの2, 000個のニューロンのうち、その匂いのハッシュに対して最も活発なニューロンを5％しか保存していません。 これは、ハエの脳が似たような異臭をより明確にグループ化できることを意味し、「食べる」と「食べない」アイテムの混同を防ぎます。
チームはハエの脳自体を研究しませんでしたが、ハエの嗅覚と脳の回路に関する既存の文献を読みました。 その後、検索アルゴリズムのテストに使用される3つのデータセットにフライ類似検索を適用しました。
「フライソリューションは、少なくともコンピュータサイエンスソリューションと同等以上に優れているとは言えません」とナブラカは言います。
この研究は今月、 Science誌に掲載されました。
「この研究は興味深いものです」と、ニューラルネットワークを研究するワイオミング大学のコンピューターサイエンス教授であるジェフクルーンは言います。 「自然がどのように問題を解決したかについて学ぶときはいつでも、特に解決策が私たちがすでに知っているか好まないものである場合、それは機械で自然な知能を再現しようとするという点でツールキットを拡張します」
Navlakhaと彼のチームは、大規模なデータセットでその場検索を試行し、それをどのように改善できるかを計画しています。 彼は開発のための2つの道を見ています。 1つ目は、検索をより効率的にすることです。つまり、必要なコンピューティングパワーが少なくなります。これは、たとえば、携帯電話でのバッテリ寿命の短縮につながります。 2つ目は、より正確にすることです。 将来的には、ほとんどの人がコンピューターやスマートフォンで毎日使用するアルゴリズムの種類を改善するために使用できる可能性があります。
「これが私たちの夢です」とナブラカは言います。 「つまり、今日のコンピュータでは再現できないこの驚くべきシステムを研究することで、機械学習と人工知能の向上をどうにかして学ぶことができます。」
