ハエの嗅覚に関するアルゴリズムを利用して検索システムを改良

by digicla

ハエの一種・ミバエの嗅覚にまつわるアルゴリズムは、コンピューターアルゴリズムのものとは全く異なるものであり、その仕組みを取り入れることで検索システムなどを改良することができるという研究結果が報告されています。

A neural algorithm for a fundamental computing problem | Science
http://science.sciencemag.org/content/358/6364/793

We can learn from fruit fly brains to improve our search algorithms - The Verge
https://www.theverge.com/2017/11/9/16625296/fruit-fly-brains-similarity-search-algorithm-locality-hashing

たとえば、特定のアーティストAに関する動画をYouTubeで見まくっていると、関連動画には似ているアーティストBのものも出てくるようになります。これは、それぞれの動画について、アーティストは誰か、音楽のジャンルは何か、BPMはどれぐらいか、どういった楽器が利用されているか、などの情報からある程度属性を絞り込んで「ハッシュ」と呼ばれるタグ付けが行われていて、ハッシュの比較により関連性の高いものが表示されるためです。こうした仕組みを「類似性探索」と呼びます。

ミバエも匂いに関して「類似性探索」を行っていて、果実Aの匂いをかいで、それが食べ物であったと理解すると、似たような匂いの果実Bも食べ物であると理解します。ただ、ミバエが初めての匂いに出会うと、最初は50のニューロンが発火(活動電位に到達)するのですが、続いて、情報を要約するのではなく、脳内の2000のニューロンへと情報を拡散させ、Aの匂いとBの匂いとの類似点を識別します。その後、ニューロンのうちトップ5％の情報を「ハッシュ」として格納するのだそうです。

論文の共著者であるSaket Navlakha氏は、ミバエが見せたこの「拡張アルゴリズム」を3つのデータセットに適用。同一環境下で比較し、ミバエのアルゴリズムを組み込んで行う類似性探索の方が30％～50％正確な結果をもたらすことを発見しました。

インターネット上に似ている画像はないか、あるいはデータベース上に同じような文章はないかを調べる類似性探索は、大規模情報検索システムが直面する基本的な計算問題です。計算生物学者のクリスティン・ブランソン氏は、コンピューター・アルゴリズムに影響を及ぼす新たな洞察が神経科学の面から行われていることを評価し、次はより多くのデータセットでの研究をすべきだとコメントしています。

Navlakha氏らのチームはさらに研究を進め、産業パートナーと仕事を進めていきたいと考えているとのことです。