为了检测新的气味 果蝇大脑改进了众所周知的计算机算法

似乎果蝇与计算机没有任何共同之处，但Salk研究所的新研究表明，两者以类似的方式识别新颖的信息。这项工作于2018年12月3日出现在美国国家科学院院刊(PNAS)上，不仅揭示了一个重要的神经生物学问题 - 生物如何检测新的气味 - 而且还可以改进计算机中新奇检测的算法。科学。

“当一只苍蝇闻到异味时，苍蝇需要迅速弄清楚它之前是否闻到过气味，以确定气味是否是新的以及它应该注意的东西，”Salk整合生物学助理教授Saket Navlakha说。实验室。“在计算机科学中，这是一项称为新奇检测的重要任务。了解新颖性检测策略在两个领域的比较，可以为我们提供有关脑算法和计算的宝贵见解。”研究人员建议，他们的新框架可用于检测大型流媒体数据集(例如患者数据库或新闻报道)中的重复或异常。

2017年，Navlakha发现了大脑如何识别类似的气味。他发现将fly算法应用于计算机“相似性搜索”(例如那些建议购买的产品与您过去的购买类似)可以改善搜索结果。

新的PNAS研究基于另一篇论文[Hattori等人]，该论文于2017年在Cell杂志上发表，描述了苍蝇如何发现全新的气味。当Navlakha阅读这项研究时，他对苍蝇似乎是如何使用一种类似于计算工具进行新奇检测的策略(称为Bloom过滤器)感到震惊。

当谷歌这样的搜索引擎抓取网络时，它需要知道它所遇到的网站之前是否被编入索引，这样就不会浪费时间再次索引同一网站。问题是Web上有数万亿个网站，并且将所有这些网站存储在内存中的计算成本很高。在20世纪70年代，麻省理工学院的Howard Bloom设计了一种数据结构，可以紧凑地存储大型项目数据库。Bloom过滤器不是将每个项目全部存储在数据库中，而是使用每个项目仅使用几个空格来存储每个项目的小“指纹”。通过检查相同的指纹在数据库中是否出现两次，系统可以快速确定该项是重复的还是新的。

众所周知，果蝇会根据新的气味改变它们的行为。飞脑中的一个区域，称为蘑菇体，包含一系列处理嗅觉信息的神经元。当遇到新的气味时，这些神经元会发出“新奇警报”信号，因此苍蝇知道这种气味是新的，值得研究。然而，如果气味没有强烈的冲击力，则下次出现气味时，警报信号的强度会降低，并且苍蝇不会浪费时间调查气味。这是一个重要的计算，因为苍蝇只有在值得的时候才会注意某些东西。苍蝇的蘑菇体新奇信号是使用类似于Bloom过滤器的“数据指纹”的气味指纹生成的。

“机器学习的一个根本挑战是找到适合各种任务的数据表示，”加州大学圣地亚哥分校计算机科学与工程教授，新论文的第一作者Sanjoy Dasgupta说。“苍蝇的嗅觉系统向我们展示了一种简单而巧妙的方法。”

通过分析 - 从计算机科学的角度 - 在细胞论文中确定的产生这种新奇信号的神经回路，Navlakha和Dasgupta发现果蝇为传统的布鲁姆过滤器引入了一些新的扭曲，他们的团队在数学上详细阐述和定义。

The first twist involves not just determining whether you've smelled the exact same odor before, but rather if you've smelled the odor, or something pretty similar to it. This is important in the brain because chances are that you'll never smell the exact same odor twice. The second twist involves determining how long ago you've smelled the odor. If it's been a long time, then the odor's novelty should be higher than if you've smelled the odor rather recently.

基于果蝇的Bloom过滤器变体，该团队创建了一个新的算法框架来预测果蝇的新奇反应。他们在收集的研究数据上测试了他们的框架，因为苍蝇连续呈现出成对的气味。该团队的新颖性预测结果与蘑菇体神经元的实际新奇反应非常接近，这证实了它们的框架的准确性。Navlakha的团队随后在几个机器学习数据集上测试了该框架，发现与其他类型的新奇检测过滤器相比，fly的Bloom过滤器提高了新颖性检测的准确性。

Navlakha补充道，“这项工作对我们来说特别令人兴奋的是，它代表了大脑中发现的第一个数据结构之一，以及大脑如何实际执行新奇检测的简单算法。”

这项工作由皮尤慈善信托基金，卡夫利脑与思维研究所和美国国立卫生研究院的NIDCD资助，奖项编号为1R01DC017695。

其他作者包括加州大学圣地亚哥分校的Timothy C. Sheehan和Salk的Charles F. Stevens。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！