La clave para mejores algoritmos informáticos podría encontrarse en los cerebros de las moscas de la fruta, según los investigadores.
Las computadoras siempre hacen búsquedas que implican comparar cosas similares. Piensa cuando vas a YouTube para escuchar a Coldplay y recomienda una canción de Radiohead. (Esto se llama “búsqueda de similitud”). Las moscas de la fruta hacen una versión de esto para sobrevivir: si supieron que el olor de una naranja indica comida, sabrán en el futuro que un olor similar también es alimento que pueden comer. En un estudio publicado hoy en la revista Science , los científicos descubrieron que la forma en que sus cerebros hacen esto es diferente de cómo lo hacen la mayoría de los algoritmos informáticos, y al usar el método de la mosca, podemos mejorar nuestros programas informáticos.
Imagina que tu computadora está comparando las canciones de Coldplay y Radiohead. Hay muchos atributos a tener en cuenta: género, velocidad, género del cantante, instrumentos. Una computadora toma todos estos atributos y luego los reduce a, por ejemplo, 10, un número más manejable. A continuación, asignan una etiqueta llamada “hash” a cada uno de estos elementos. Cuando hace una búsqueda de similitud, compara los hash en lugar de recorrer todos los atributos.
Las moscas hacen lo contrario, dice el coautor del estudio Saket Navlakha , científico informático del Instituto Salk de Estudios Biológicos. Cuando las moscas de la fruta huelen algo por primera vez, 50 neuronas disparan en una combinación única. En lugar de simplificar estas neuronas a 10, expanden esta información. Los cerebros de la mosca envían la información por todo el cerebro a 2.000 neuronas.
¿Por qué esto los haría más rápidos para identificar olores similares? Digamos que tienes 50 personas (como las 50 neuronas) y quieres encontrar las similitudes entre ellas. Si los pones en una habitación pequeña, se llenarán el uno del otro y será difícil organizarlos, explica Navlakha. Pero si llevas a las 50 personas y las distribuyes en un campo grande, es más fácil identificar la información. Difundir la información a su alrededor ayuda al cerebro de la mosca a dar una etiqueta más única a cada olor. Luego, almacena el 5 por ciento superior de estas 2.000 neuronas como “hash”.
Navlakha y sus colegas probaron este enfoque de expansión en tres conjuntos de datos. Mantuvieron la potencia informática igual, pero juzgaron cuán precisos eran los métodos antiguos frente a los nuevos, y descubrieron que el método de la mosca era de 30 a 50 por ciento más preciso.
“Es agradable ver nuevas ideas procedentes de la neurociencia que se utilizan para influir en los algoritmos de la computadora”, dice Kristin Branson , un biólogo computacional en el Instituto Médico Howard Hughes que no participó en el estudio. “Esta es una de las razones por las que estamos estudiando los cerebros y haciendo cálculos a nivel de circuito, para tratar de encontrar los mejores algoritmos que la evolución ha encontrado e incorporarlos”. El equipo ha demostrado que el método funciona bien para sus conjuntos, entonces el siguiente paso debería ser que prueben la técnica en más conjuntos de datos, dice Branson.
Aunque algunos algoritmos existentes usan un método similar al de la mosca, no todos lo hacen. Luego, Navlakha quiere probar esto con otros conjuntos de datos y tal vez trabajar con socios de la industria.