Une étude menée par Salk Institute publiée dans Proceedings of the National Academy of Sciences révèle que les mouches à fruits n’auraient rien de commun avec les ordinateurs. Cependant, les deux identifient des informations nouvelles de manière similaire. Les chercheurs ont mis en lumière un problème neurobiologique important, la façon dont les organismes détectent les nouvelles odeurs, mais pourrait également améliorer les algorithmes de détection des nouveautés en informatique.
Selon les chercheurs, quand une mouche sent une odeur, elle doit rapidement déterminer si elle a déjà senti l'odeur auparavant, pour déterminer si cette odeur est nouvelle et à quoi elle devrait prêter attention. En informatique, il s'agit d'une tâche importante appelée détection de nouveauté. Comprendre comment les stratégies de détection de nouveauté se comparent dans les deux domaines pourrait leur fournir des informations précieuses sur les algorithmes cérébraux et l'informatique. Les chercheurs suggèrent que leur découvderte pourrait être utile pour détecter les doublons ou les anomalies dans de grands ensembles de données en continu, tels que des bases de données de patients.
En 2017, les chercheurs ont découvert comment le cerveau des mouches identifiait des odeurs similaires. Ils ont constaté que l'application de l'algorithme de mouche aux "recherches de similarité" sur ordinateur (telles que celles suggérant des produits similaires à vos achats antérieurs) améliorait les résultats de la recherche.
Leur étude est basée sur un autre article paru en 2017 dans la revue Cell, décrivant comment les mouches détectent des odeurs entièrement nouvelles. Lorsque les chercheurs ont lu l'étude, ils ont constaté le fait que les mouches semblaient utiliser une tactique similaire à un outil informatique de détection de nouveauté appelé filtre de Bloom.
Comme le soulignent les chercheurs, lorsqu'un moteur de recherche tel que Google explore le Web, il doit savoir si un site Web qu'il a rencontré a déjà été indexé, afin de ne pas perdre de temps à indexer le même site. Le problème est qu’il y a des milliards de sites Web sur le Web et que les stocker tous en mémoire coûte cher en calculs. Dans les années 1970, Howard Bloom du MIT a mis au point une structure de données capable de stocker de manière compacte une grande base de données d’articles. Au lieu de stocker l'intégralité de chaque élément de la base de données dans la base de données, un filtre de Bloom stocke une petite "empreinte digitale" de chaque élément en n'utilisant que quelques bits d'espace par élément. En vérifiant si la même empreinte apparaît deux fois dans la base de données, un système peut déterminer rapidement s'il s'agit d'un duplicata ou d'une nouveauté.
Or, les mouches à fruits sont bien connues pour modifier leur comportement en réponse à de nouvelles odeurs. Une région du cerveau de la mouche, appelée «mushroom body», contient une collection de neurones qui traite les informations olfactives. Lorsqu'une nouvelle odeur est détectée, ces neurones émettent un signal "alerte de nouveauté" afin que la mouche sache que cette odeur est nouvelle et mérite d'être étudiée. Cependant, si l’odeur n’a pas un impact important, lors de la prochaine apparition de l’odeur, la force du signal d’alarme est réduite et la mouche ne perd pas de temps à enquêter sur l’odeur. Ceci est un calcul important car la mouche veut faire attention à quelque chose uniquement si cela en vaut la peine. Le signal de nouveauté corps de champignon de la mouche est généré à l'aide d'une empreinte digitale pour les odeurs apparentées à "l'empreinte digitale" du filtre de Bloom.
En analysant, d’un point de vue informatique, le circuit neuronal, identifié dans le document Cell, qui génère ce signal de nouveauté, les chercheurs ont découvert que la mouche à fruits introduisait de nouveaux rebondissements dans le filtre de Bloom traditionnel
Selon les chercheurs, la première chose à faire consiste non seulement à déterminer si vous avez déjà senti la même odeur exactement, mais plutôt si vous avez senti cette odeur, ou quelque chose d'assez similaire. Ceci est important dans le cerveau car il est probable que vous ne sentirez jamais deux fois la même odeur. La deuxième étape consiste à déterminer depuis combien de temps vous avez senti l'odeur. Si cela fait longtemps, la nouveauté de l'odeur devrait être plus élevée que si vous avez senti l'odeur assez récemment.
Sur la base de la variante du filtre Bloom de la mouche à fruits, les chercheurs ont créé un nouveau cadre algorithmique permettant de prédire les réponses de nouveauté des mouches à fruits. Ils ont testé leur cadre sur les données de recherche recueillies lorsque les mouches avaient présenté successivement des paires d’odeurs. Les prédictions de nouveauté des chercheurs se sont avérées correspondre étroitement à la réponse de nouveauté réelle des neurones du «mushroom body», ce qui a validé la précision de leur cadre de travail. Ils ont ensuite testé le concept sur plusieurs bases de données d’apprentissage automatique et ont découvert que le filtre Bloom de la mouche améliorait la précision de la détection de nouveauté par rapport à d’autres types de filtres de détection de nouveauté.
Aucun commentaire:
Enregistrer un commentaire