जब आप YouTube पर एक वीडियो देखते हैं या अमेज़न पर कोई उत्पाद खरीदते हैं और तुरंत एक समान वीडियो देखने या उत्पाद खरीदने की पेशकश की जाती है, तो आप देख रहे हैं कि एक्शन में "समानता खोज" के रूप में क्या जाना जाता है। ये डेटा और मैच आइटम के बड़े सेट की खोज करने के लिए डिज़ाइन किए गए एल्गोरिदम हैं जो किसी तरह से समान हैं। हमारा दिमाग हर समय समानता की खोज करता है - यह व्यक्ति मेरे दोस्त की तरह दिखता है, यह गाना ऐसा लगता है जैसे मैं जानता हूं।
फल मक्खियाँ वही काम करती हैं। उनका दिमाग समानता की खोज करता है ताकि यह पता लगाया जा सके कि उन्हें क्या स्वाद लेना चाहिए और क्या नहीं। एक मक्खी ने पहले कभी भी सड़ते हुए आम को सूंघा नहीं होगा, लेकिन इसका मस्तिष्क इसे "खाने" के संकेत के लिए केले के सड़ने के परिचित उपचार के समान पाता है।
शोधकर्ताओं को लगता है कि मक्खियों की समानता की खोज कंप्यूटर एल्गोरिदम को बेहतर बनाने में मदद कर सकती है।
कैलिफोर्निया के साल्क इंस्टीट्यूट के एक प्रोफेसर साकेत नवलखा कहते हैं, "यह हमारे लिए हुआ है कि ये दोनों प्रणालियाँ, जैविक और इंजीनियर, एक समान समस्या को हल कर रही थीं।"
कई कंप्यूटर समानता खोज आइटमों को "हैश" के रूप में ज्ञात डिजिटल शॉर्टहैंड टैग देकर काम करते हैं। इन हैश ने यह अधिक संभावना है कि समान वस्तुओं को एक साथ समूहीकृत किया जाएगा। प्रोग्राम फिर आइटम के बजाय हैश द्वारा खोज सकता है, जो कि तेज है।
फल उड़ते हैं, नवलखा और उनकी टीम ने सीखा, चीजों को अलग तरह से करें। जब एक मक्खी को गंध की अनुभूति होती है, तो 50 गंधों के संयोजन में आग लगती है जो हर गंध के लिए अलग होती है। एक कंप्यूटर प्रोग्राम गंध से जुड़ी हैश की संख्या को कम करेगा। लेकिन मक्खियों वास्तव में उनकी खोज का विस्तार करती हैं। 50 प्रारंभिक फायरिंग न्यूरॉन्स 2, 000 फायरिंग न्यूरॉन्स बन जाते हैं, प्रत्येक गंध को एक अधिक अद्वितीय संयोजन देता है। मक्खी का मस्तिष्क इन गंधों के हैश के लिए सबसे अधिक गतिविधि वाले इन 2, 000 न्यूरॉन्स में से केवल 5 प्रतिशत को संग्रहीत करता है। इसका मतलब यह है कि उड़ने वाला मस्तिष्क समान और अलग-अलग गंधों को अलग-अलग करने में सक्षम है, जो उन्हें "खाने" और "खाने के लिए नहीं" वस्तुओं के बीच भ्रमित होने से रोकता है।
टीम ने स्वयं फ्लाई ब्रेन का अध्ययन नहीं किया, बल्कि फ्लाई ऑल्फिनेशन और ब्रेन सर्किट्री पर मौजूदा साहित्य के माध्यम से पढ़ा। फिर उन्होंने खोज एल्गोरिदम के परीक्षण के लिए उपयोग किए जाने वाले तीन डेटासेट में मक्खी समानता खोज को लागू किया।
नवलखा कहती हैं, "फ्लाई सॉल्यूशन कम से कम कंप्यूटर साइंस सॉल्यूशन जितना अच्छा है, उतना बेहतर नहीं है।"
इस शोध को इस महीने साइंस जर्नल में प्रकाशित किया गया था।
"यह काम दिलचस्प है, " जेफ क्लून, व्योमिंग विश्वविद्यालय में कंप्यूटर विज्ञान के प्रोफेसर हैं, जो तंत्रिका नेटवर्क का अध्ययन करते हैं। "किसी भी समय हम सीखते हैं कि प्रकृति ने किसी समस्या को कैसे हल किया, खासकर अगर समाधान वह नहीं है जिसे हम पहले से जानते थे या उसके पक्ष में थे, यह मशीनों में प्राकृतिक बुद्धि को फिर से बनाने की कोशिश के मामले में हमारे टूलकिट का विस्तार करता है।"
नवलखा और उनकी टीम ने बड़े डेटासेट पर मक्खी की खोज की कोशिश की और देखा कि इसे कैसे सुधारा जा सकता है। वह विकास के लिए दो रास्ते देखता है। पहली खोज को अधिक कुशल बनाना होगा, जिसका अर्थ है कि इसे कम कंप्यूटिंग शक्ति की आवश्यकता होगी, जो सेल फोन पर कम बैटरी जीवन का उपयोग करने में अनुवाद करेगा। दूसरा इसे और सटीक बनाना होगा। इसके अलावा लाइन के नीचे इसका इस्तेमाल संभवत: उस तरह के एल्गोरिदम को बेहतर बनाने के लिए किया जा सकता है, जिसका हम हर दिन अपने कंप्यूटर और स्मार्टफोन में इस्तेमाल करते हैं।
नवलखा कहती हैं, "यह हमारा सपना है।" "इस अद्भुत प्रणाली का अध्ययन करके कि कोई भी कंप्यूटर आज दोहरा नहीं सकता है, हम किसी तरह बेहतर मशीन सीखने और कृत्रिम बुद्धिमत्ता सीख सकते हैं।"
