Creierul muștei de fructe inspiră un algoritm eficient pentru clasificarea mirosurilor
În regnul animal, conservarea energiei este esențială pentru supraviețuire. De aceea, creierele noastre au evoluat pentru a fi extrem de eficiente din punct de vedere energetic în stocarea și procesarea informațiilor. Din anii 1980, oamenii de știință computaționali au încercat să imite structura și funcția creierului, sperând să atingă o procesare rapidă și eficientă a datelor complexe. Totuși, cercetătorii nu au reușit încă să creeze soluții funcționale cu consum redus de memorie care să funcționeze în scenarii din viața reală, unde energia este limitată, iar datele de antrenament sunt primite treptat.
Publicat în revista Neuromorphic Computing & Engineering, un nou algoritm inspirat de creier, dezvoltat de cercetători de la Okinawa Institute of Science and Technology (OIST), demonstrează promisiuni pentru aplicații practice în condiții realiste. Bazat pe un sistem olfactiv (clasificarea mirosurilor), algoritmul a fost antrenat și testat pe seturi de date experimentale privind mirosurile, arătând o clasificare precisă a acestora, în special în scenarii cu date de antrenament limitate.
Mușca de fructe nu este de neglijat.
Pentru a crea noul algoritm, cercetătorii s-au inspirat dintr-o sursă mică. Mai mică decât o sămânță de mac, dar având aproximativ 140.000 de neuroni, creierul muștei de fructe este omniprezent în cercetarea modernă în neuroștiință.
Este unul dintre cele mai bine cartografiate creiere; este suficient de simplu pentru a putea fi studiat în ansamblu, dar reușește să realizeze procese complexe. Are un sistem olfactiv deosebit de interesant, care implementează codificarea rară, o schemă computațională care ajută la reducerea suprapunerii între diferitele semnale fără antrenament, astfel încât să putem reprezenta eficient mirosurile cu un cost energetic mai scăzut.
În Spi-Fly, sistemul olfactiv al muștei este adaptat și modelat ca o rețea cu trei straturi, cu semnalele de intrare proiectate aleatoriu și rar pe un strat ascuns de 1000 de neuroni, activând doar câțiva per miros. Acești neuroni activi acționează ca un cod de bare specific, recunoscut de neuronii de ieșire, cu ajutorul unei reguli de învățare asociativă.
Pentru a-și testa sistemul, cercetătorii au folosit două baze de date diferite pentru mirosuri și au comparat performanța cu o gamă de alți algoritmi de clasificare.
„Spi-Fly a fost cea mai performantă metodă pentru învățarea cu câteva exemple – clasificând mirosurile cu ușurință după ce a văzut doar câteva mostre”, explică coautorul Dr. Kevin Max de la Unitatea de Computație Neurală a OIST. „A fost de asemenea bun la învățarea continuă, învățând corect să clasifice noi mirosuri fără a uita cele învățate anterior – o problemă majoră cu metodele tradiționale de antrenament, cunoscută sub numele de uitare catastrofală.”
Ca orice metodă, Spi-Fly are limitările sale. În general, performanța sa comparativ cu cele mai bune metode tradiționale de învățare automată ar putea fi îmbunătățită și este necesară mai multă testare pentru a vedea cât de bine poate performa cu semnale mixte, având în vedere numărul de mirosuri de fond pe care le întâlnim de obicei în viața reală. Cu toate acestea, oferă o cale promițătoare spre calculul inspirat de creier în aplicații practice.
Crearea unui nas artificial.
„Detectarea explozibililor; evaluarea nivelurilor de alergeni; asigurarea siguranței alimentelor; identificarea drogurilor – există o gamă largă de aplicații pentru clasificarea mirosurilor”, subliniază Max. „Și teoretic, Spi-Fly ar putea funcționa pentru orice probleme de clasificare, dincolo de mirosuri. Astfel, dezvoltarea unui algoritm inspirat de creier, compatibil cu hardware-ul, poate duce la o serie întreagă de aplicații interesante.”
Deși algoritmul a fost proiectat pentru a clasifica mirosuri, acest lucru necesită un senzor pentru a detecta mirosurile în primul rând. Cercetătorii colaborează activ în acest domeniu, dezvoltând hardware pentru detectarea mirosurilor, în care intenționează să integreze Spi-Fly. Scopul lor general este de a crea un nas artificial cu o gamă largă de aplicații practice.
