为了检测新的气味果蝇的大脑改进了一种著名的计算机算法

果蝇似乎和电脑没有什么共同之处，但索尔克研究所的一项新研究表明，果蝇和电脑以相似的方式识别新信息。这项研究成果于2018年12月3日发表在《美国国家科学院院刊》(PNAS)上，它不仅阐明了一个重要的神经生物学问题——生物体如何检测新气味——而且可能改进计算机科学中新奇事物检测的算法。

“当一只苍蝇闻到一种气味时，它需要迅速判断自己以前是否闻到过这种气味，判断这种气味是否是新的，是否值得注意，”索尔克综合生物实验室的助理教授、这篇论文的共同通讯作者萨克特·纳夫拉卡(Saket Navlakha)说。在计算机科学中，这是一项重要的任务，称为新奇检测。了解新奇感检测策略如何在这两个领域进行比较，可以让我们对大脑算法和计算有价值的见解。研究人员表示，他们的新框架可能有助于在大型流数据集(如患者数据库或新闻报道)中检测重复或异常。

2017年，Navlakha发现苍蝇的大脑是如何识别类似气味的。他发现，将fly算法应用到计算机的“相似度搜索”(比如那些建议购买与你过去购买的产品相似的产品的搜索)可以改善搜索结果。

这项新的PNAS研究是基于另一篇发表在2017年《细胞》杂志上的论文[h服部等人]，该论文描述了苍蝇如何检测全新的气味。当Navlakha读到这项研究时，他被果蝇似乎是如何使用一种类似于计算工具的策略所震惊，这种方法被称为Bloom filter，用于新奇事物的检测。

当像谷歌这样的搜索引擎抓取Web时，它需要知道它所遇到的网站是否以前被索引过，这样它就不会浪费时间再次索引相同的站点。问题是，网络上有上万亿的网站，而将它们全部存储在内存中的计算成本很高。上世纪70年代，麻省理工学院(MIT)的霍华德•布鲁姆(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过滤器不会将每一项数据全部存储在数据库中，而是只使用每一项数据的少量空间来存储每一项数据的一个小“指纹”。通过检查相同的指纹是否在数据库中出现两次，系统可以快速确定该指纹是重复的还是新颖的。

众所周知，果蝇对新气味的反应会改变它们的行为。苍蝇大脑中一个叫做蘑菇体的区域，包含了一组处理嗅觉信息的神经元。当闻到一种新的气味时，这些神经元会发出“新奇警报”信号，这样苍蝇就知道这种气味是新的，值得研究。但是，如果气味没有产生强烈的影响，下一次闻到气味时，警报信号的强度就会降低，苍蝇就不会浪费时间研究气味。这是一个重要的计算，因为苍蝇想要注意的东西，只有当它值得的时候。这种苍蝇蘑菇状身体的新奇信号是通过一种气味指纹生成的，这种气味类似于Bloom过滤器的“数据指纹”。

加州大学圣地亚哥分校计算机科学与工程教授、这篇新论文的第一作者桑乔伊•达斯古普塔(Sanjoy Dasgupta)表示:“机器学习的一个根本挑战是找到适用于广泛任务的数据表示形式。”“苍蝇的嗅觉系统向我们展示了一种简单而巧妙的方法。”

通过从计算机科学的角度分析，细胞论文中识别的神经回路产生了这种新奇的信号，Navlakha和Dasgupta发现果蝇给传统的Bloom过滤器引入了一些新花样，他们的团队对其进行了详细的数学阐述和定义。

第一个难题不仅仅是确定你以前是否闻到过完全相同的气味，而是确定你是否闻到过这种气味，或者类似的气味。这在大脑中很重要，因为你很有可能永远不会两次闻到完全相同的气味。第二个难题是确定你多久以前就闻到了这种气味。如果是很长一段时间，那么这种气味的新奇程度应该比你最近闻到的气味要高。

基于果蝇的布鲁姆滤波变种，该团队创建了一个新的算法框架来预测果蝇的新奇反应。他们在苍蝇被连续呈现成对气味时收集的研究数据上测试了他们的框架。研究小组的新奇预测结果与蘑菇体神经元的实际新奇反应非常吻合，验证了他们的框架的准确性。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感检测过滤器相比，苍蝇的Bloom过滤器提高了新奇感检测的准确性。

Navlakha补充说:“这项工作让我们特别兴奋的是，它代表了在大脑中发现的最早的数据结构之一，以及一个简单的算法，它可以帮助大脑进行新奇的检测。”

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。