video: Fruit fly brains inform search engines of the future. This material relates to a paper that appeared in the 10 November 2017, issue of Science, published by AAAS. The paper, by S. Dasgupta at University of California, San Diego in La Jolla, CA, and colleagues was titled, "A neural algorithm for a fundamental computing problem." view more
Credit: Salk Institute
为研发对相关图像和数据的更好的搜索算法，一组研究人员将注意力转向果蝇的大脑以获取灵感。研究人员尤其受到果蝇对气味进行分类方法的启发。一种类似技巧的搜索算法证明它是一种进行数据分类的高度有效的手段。果蝇大约有50种能感受气味的神经元（被称作嗅觉神经元），这些神经元会在接触到不同气味时以不同的速率放电。由这些嗅觉神经元收集的信息接着会在50种第二组投射神经元中进行加工，并接着在2000个被称作肯扬细胞的神经元中做进一步的加工，而在2000个肯扬细胞中只有5%会放电，其代表的是对某种特定气味的标记。果蝇的神经回路会将类似的神经活动模式分派给类似的气味，因此，从某一气味学到的行为适用于对类似气味的感受。例如，果蝇会将糖水与“奖励”关联。由于能够进行大量的标记（这能有效地对密切相关物品进行归类），果蝇的嗅觉系统会进行一种计算，它非常类似于计算机科学中常见的相似性搜索。然而，常规使用的计算机算法与果蝇所用的方法不同。当Sanjoy Dasgupta和同事使用设计成模仿果蝇神经回路的算法时，他们发现，果蝇版算法能提高数据拣选的功效。
###
Journal
Science