Mozek mouchy pomůže k vylepšení efektivity vyhledávacích systémů
Vědci prozkoumali neuronovou síť mouchy z pohledu rozpoznávání a vyhledávání stejných věcí. Nový systém vyhledávání a srovnání je efektivnější než současné algoritmy. Systém vyhledávání podobných informací pomůže zlepšit umělé neuronové sítě.
Vědci z univerzity Salk a UC San Diego zveřejnili nový výzkum z oblasti mozku mouchy, který prezentuje detailní informace o tom, jak i tato relativně primitivní neuronová soustava dokáže velmi rychle a hlavně efektivně rozpoznávat známé pachy. V základním pohledu se jedná o zpracování informací a vyhledávání podobných hodnot, což je dnes základem takřka ve všech počítačových systémech.
Evoluce ale přináší nový pohled na to, jak tento systém práce s informacemi udělat efektivní a i moucha může přispět k tomu, aby naše pokročilé algoritmy byly pro vyhledávání podobných informací ještě efektivnější, než kdy dříve.
Vyhledávání a podobnost
Hlavní aspekty práce s informacemi – vyhledávání, srovnávání, hledání podobností, jsou dnes základem všech možných systémů. Byl na tom postaven Google a jeho vyhledávač, týká se to zboží v e-shopech, obrázků, zvuků a dalších druhů informací.
I zvířecí říše je tak v rámci neuronové sítě vybavená těmito systémy, které ale pracují například i s formou pachu (chemické složení) nebo třeba i různých druhů elektromagnetických vlnění. Vědci se pro zkoumání zaměřili na jednoduchou neuronovou síť mouchy, která se při hledání potravy řídí primárně pachem.
V běžných současných systémech velkého rozsahu probíhá workflow tak, že daná informace má určitý hash a ten se pak porovnává s dalšími hashy v databázi. Vzhledem k obrovskému množství dat se tak jedná o velmi náročnou úlohu, která si řekne o velký výpočetní výkon. Snaha je tak vymýšlet stále efektivnější algoritmy a metody, jak vše urychlit a zároveň zlepšit. A právě mozek mouchy ukázal nový pohled na to, jak tento základní matematický problém řešit.
Efektivní mozek mouchy
V případě jednoduchých informací je porovnání rovněž jednoduché, komplikace ale přichází se složitějšími informacemi, které jsou navíc pokaždé mírně zkreslené. Obzvláště to platí v přírodě, kde se lze jen těžko setkat se zcela stejnými informacemi, a to i když jde o pach. Vždy je přítomné nějaké zkreslení, se kterým si musí rozpoznávací systém poradit.
Jak to ale dělat efektivně? Vědci zjistili, že mozek mouchy na to jde nečekaným způsobem. Pokud mozek zaznamená nový pach, znamená to aktivací 50 neuronů, které jsou spojené s danými vlastnostmi pachu. Ale místo aby už v této fázi došlo k „hashování“ této informace, těchto 50 neuronů posléze aktivuje dalších 2 000 neuronů. Díky tomu dojde ke zjemnění vstupních hodnot a teprve z aktivity struktury těchto dvou tisíc neuronů dojde k uložení 5 % stavů neuronů do paměti (v počítačové oblasti – vytvoření hashe). Výsledek je takový, že díky tomu dokáže mozek mouchy příště rozpoznávat podobný pach rychleji a hlavně přesněji.
Umělá inteligence bude zase o trochu lepší
Už dnes jsme zvyklí na to, že si v našich fotogaleriích můžeme nechat vyfiltrovat podobné obrázky, které jsou podobné z pohledu druhu, nebo objektu, který se na nich nachází. Nový přístup umožní tyto algoritmy využívající neuronové sítě ještě dále zlepšit a tím pádem i zpřesnit výsledky těchto hledání.
Vylepšení se pochopitelně týká i dalších důležitých oblastí, kde vzniká velký informační šum – například u autonomních systémů, které pracují s obrazem z kamer v reálném čase. Systémy musí být schopné rozpoznat známé věci i když budou vypadat nestandardně či nepřesně. A příroda nám ukazuje, že tento problém vyřešila už dávno.
