Saat Anda menonton video di YouTube atau membeli produk di Amazon dan langsung ditawari video serupa untuk ditonton atau produk untuk dibeli, Anda melihat apa yang dikenal sebagai "pencarian kesamaan" yang sedang beraksi. Ini adalah algoritma yang dirancang untuk mencari set besar data dan mencocokkan item yang serupa dalam beberapa cara. Otak kami melakukan pencarian kesamaan sepanjang waktu - orang ini terlihat seperti teman saya, lagu ini terdengar seperti yang saya tahu.
Lalat buah melakukan hal yang sama. Otak mereka melakukan pencarian kesamaan untuk mencari tahu apa yang harus mereka cicipi dan apa yang harus mereka hindari. Seekor lalat mungkin tidak pernah mencium mangga yang membusuk sebelumnya, tetapi otaknya menemukannya cukup mirip dengan makanan pisang yang membusuk yang biasa untuk memberi tanda "makan".
Para peneliti berpikir memahami pencarian kesamaan lalat dapat membantu meningkatkan algoritma komputer.
"Terpikir oleh kami bahwa kedua sistem ini, secara biologis dan rekayasa, memecahkan masalah yang sangat mirip, " kata Saket Navlakha, seorang profesor di Salk Institute di California.
Banyak pencarian kesamaan komputer bekerja dengan memberikan item tag steno digital yang dikenal sebagai "hash." Hash ini memungkinkan item serupa akan dikelompokkan bersama. Program kemudian dapat mencari berdasarkan hash, bukan item, yang lebih cepat.
Lalat buah, yang dipelajari Navlakha dan timnya, melakukan berbagai hal secara berbeda. Ketika seekor lalat merasakan suatu bau, 50 neuron menembak dalam kombinasi yang berbeda untuk setiap bau. Program komputer akan mengurangi jumlah hash yang terkait dengan bau tersebut. Tapi lalat sebenarnya memperluas pencarian mereka. 50 neuron penembakan awal menjadi 2.000 neuron penembakan, memberikan masing-masing aroma kombinasi yang lebih unik. Otak lalat menyimpan hanya 5 persen dari 2.000 neuron ini dengan aktivitas terbanyak untuk hash dari aroma itu. Ini berarti otak lalat mampu mengelompokkan bau yang serupa dan berbeda dengan lebih berbeda, yang membuat mereka tidak bingung antara item "makan" dan "jangan makan".
Tim tidak mempelajari otak lalat sendiri, tetapi membaca literatur yang ada tentang penciuman lalat dan sirkuit otak. Mereka kemudian menerapkan pencarian kesamaan terbang ke tiga dataset yang digunakan untuk menguji algoritma pencarian.
"Solusi terbang tidak, jika tidak lebih baik, daripada setidaknya sebaik solusi ilmu komputer, " kata Navlakha.
Penelitian ini dipublikasikan bulan ini di jurnal Science .
"Pekerjaan ini menarik, " kata Jeff Clune, seorang profesor ilmu komputer di University of Wyoming yang mempelajari jaringan saraf. "Setiap kali kita belajar tentang bagaimana alam memecahkan suatu masalah, terutama jika solusinya bukan yang kita tahu atau sukai, itu memperluas toolkit kita dalam hal mencoba menciptakan kembali kecerdasan alami dalam mesin."
Navlakha dan timnya berencana untuk mencoba pencarian lalat pada dataset yang lebih besar dan melihat bagaimana hal itu dapat ditingkatkan. Dia melihat dua jalan untuk pembangunan. Yang pertama adalah membuat pencarian lebih efisien, yang berarti akan membutuhkan daya komputasi yang lebih sedikit, yang akan diterjemahkan menjadi menggunakan daya tahan baterai yang lebih sedikit pada ponsel, misalnya. Yang kedua adalah membuatnya lebih akurat. Lebih jauh ke depan, ini berpotensi digunakan untuk meningkatkan jenis algoritma yang sebagian besar dari kita gunakan setiap hari di komputer dan smartphone kita.
"Ini adalah impian kita, " kata Navlakha. “Bahwa dengan mempelajari sistem yang luar biasa ini yang tidak dapat direplikasi oleh komputer hari ini, kita dapat belajar melakukan pembelajaran mesin dan kecerdasan buatan yang lebih baik.”
