Um zu erkennen, neue Gerüche, Drosophila Gehirn zu verbessern, die auf einem bekannten computer-Algorithmus

Es könnte scheinen, wie Fruchtfliegen hätte nichts mit Computern, aber neue Forschung von der Salk-Instituts zeigt, dass die beiden die Identifizierung neuer Informationen in ähnlicher Weise. Die Arbeit, erschienen in den Proceedings of the National Academy of Sciences (PNAS) am 3. Dezember 2018, nicht nur wirft ein Licht auf eine wichtige neurobiologische problem, wie Organismen erkennen, neue Gerüche—aber könnte auch verbessern Sie algorithmen für die novelty-detection in computer science.

„Wenn eine fliege riecht einen Geruch, der Fliegen muss um schnell herauszufinden, wenn es gerochen hat, den Geruch vor, um zu bestimmen, wenn der Geruch ist neu und etwas, was Sie beachten sollten“, sagt Saket Navlakha, ein Assistenzprofessor am Salk Integrative Biology Laboratory. „In der informatik ist dies eine wichtige Aufgabe Neuheit Erkennung. Das Verständnis, wie Neuheit Erkennung Strategien zu vergleichen, die in beiden Domänen konnte uns wertvolle Einblicke in beide Gehirn-algorithmen und informatik.“ Die Forscher vermuten, dass Ihre neuen Rahmen könnte nützlich sein bei der Erkennung von Duplikaten oder Anomalien in großen, streaming-Daten-sets, wie beispielsweise Patienten-Datenbanken oder Nachrichten.

Im Jahr 2017, Navlakha entdeckt, wie Fliegen, Gehirne zu identifizieren, die ähnliche Gerüche. Er fand, dass die Anwendung der Fliegen-Algorithmus auf computer „ähnlichkeitssuchen“ (wie diejenigen, die vorschlagen, Produkte zu kaufen, die ähnlich sind, um Ihre letzten Käufe) verbessert die Suchergebnisse.

Die neue PNAS – Studie basiert auf einem anderen Papier [Hattori et al.] herausgekommen ist im Jahr 2017 in der Zeitschrift Cell, die beschreiben, wie fliegt wirklich erkennen, ganz neue Gerüche. Wenn Navlakha Lesen Sie die Studie, er war davon beeindruckt, wie die Fliegen, schien eine Taktik ähnlich wie ein Computer-tool für die novelty-detection genannt, ein Bloom-filter.

Wenn eine Suchmaschine wie Google crawlt das Web, die es braucht, um zu wissen, ob eine website kommt es über bisher indiziert, so dass es keine Zeit bei der Indizierung der gleichen Seite wieder. Das problem ist, es gibt Billionen von websites im Internet und speichern alle von Ihnen in Erinnerung zu rechenintensiv ist. In den 1970er Jahren, Howard Bloom am MIT entwickelt eine Daten-Struktur speichern können, eine große Datenbank von Elementen kompakt. Statt der Speicherung jedes Element in der Datenbank in seiner Gesamtheit, ein Bloom-filter speichert einen kleinen „Fingerabdruck“ für jedes Element mit nur ein paar bits Speicherplatz pro Element. Überprüfen, ob die gleichen Fingerabdruck wird zweimal in der Datenbank, kann ein system schnell bestimmen, ob das Element ein Duplikat oder etwas neuartiges.

Fruchtfliegen sind bekannt, Ihr Verhalten zu ändern in Reaktion auf neuartige Gerüche. In einer region, in der Fliegen Gehirn, genannt der Pilz Körper, enthält eine Sammlung von Neuronen, die Prozesse olfaktorischen Informationen. Wenn ein neuer Geruch erlebt wird, können diese Neuronen übertragen „Neuheit alert“ – signal, so dass das Fliegen weiß, dieser Geruch ist neu und Untersuchung Wert. Wenn der Geruch, jedoch nicht einen starken Einfluss, das nächste mal den Geruch erfahren wird, die Stärke des signal reduziert wird und die Fliegen nicht verschwenden Zeit investieren, um den Geruch. Dies ist ein wichtiger Berechnung, weil die Fliegen will, um die Aufmerksamkeit auf etwas, nur ob es lohnt. Die Fliegen – Pilz-Körper-Neuheit signal generiert wird, mit einem Fingerabdruck für Gerüche ähnlich der Bloom-filter – „Daten-fingerprint.“

„Eine grundlegende Aufgabe im maschinellen lernen ist die Suche nach Darstellungen von Daten, die geeignet sind für eine Vielzahl von Aufgaben“, sagt Sanjoy Dasgupta, professor of computer science and engineering an der UC San Diego und der neuen Studie der erste Autor. „Die Fliegen olfaktorische system zeigt uns eine einfache und geniale Art und Weise, dies zu tun.“

Durch die Analyse von informatik-Perspektive—der neuronale Schaltkreis, identifiziert in der Zelle Papier, erzeugt diese Neuheit signal, Navlakha und Dasgupta herausgefunden, dass die Fruchtfliege eingeführt, ein paar neue Wendungen zu den traditionellen Bloom-filter, die Ihr team erarbeitet und mathematisch definiert.

Der erste twist beinhaltet nicht nur die Bestimmung dessen, ob Sie gerochen habe das exakt gleiche Geruch vor, aber eher wenn Sie schon gerochen, der Geruch, oder etwas, das ziemlich ähnlich. Dies ist wichtig für das Gehirn, weil die Chancen sind, dass Sie nie riechen, den exakt gleichen Geruch zweimal. Der zweite twist umfasst die Ermittlung, wie lange Sie gerochen habe den Geruch. Wenn es schon eine lange Zeit, dann wird der Geruch der Neuheit sollte höher sein, als wenn Sie gerochen habe den Geruch eher vor kurzem.

Auf der Grundlage der Fruchtfliege die Bloom-filter-Variante, die das team erstellte einen neuen algorithmischen Rahmen, um vorherzusagen, Fruchtfliegen‘ novelty responses. Sie testeten Ihre Rahmenbedingungen auf die Forschung gesammelten Daten wie die Fliegen “ präsentiert wurden Paare von Gerüchen in Folge. Das team der Neuheit Vorhersagen stellte sich heraus, um genau zu passen die tatsächliche Neuheit Reaktion der Neuronen des pilzkörpers, was als Bestätigung für Ihre Rahmen der Genauigkeit. Navlakha das team dann getestet, die Rahmen auf mehrere maschinelles lernen, data-sets und festgestellt, dass die Fliegen ein Bloom-filter verbessert die Genauigkeit der novelty-Erkennung im Vergleich zu anderen Arten von Neuheit Filter-Erkennung.