Lecciones que ofrece el cerebro de las moscas para mejorar los algoritmos de búsqueda

A fin de desarrollar algoritmos de búsqueda de imágenes y datos relacionados más eficientes, un grupo de investigadores ha acudido al cerebro de las moscas de la fruta en busca de inspiración. En concreto, los investigadores se sintieron inspirados por la forma en que las moscas de la fruta clasifican los aromas.

Aplicar una técnica similar a los algoritmos de búsqueda resulta una herramienta de clasificación de información altamente eficiente. Las moscas de la fruta tienen alrededor de 50 tipos de neuronas para detectar aromas, las llamadas neuronas olfativas, que se activan con una intensidad variable cuando se ven expuestas a distintos olores. La información recopilada por estas neuronas se procesa en un segundo grupo de 50 neuronas de proyección, y luego en otro grupo de 2000 neuronas llamadas Kenyon, de manera que solo un 5 % de las 2000 células Kenyon se activan para identificar un aroma especifico.

El circuito neuronal de las moscas asigna patrones de actividad neuronal similares a aromas similares, de modo que el comportamiento adoptado ante un aroma se aplica a otro similar. Por ejemplo, las moscas asocian el agua dulce con una recompensa. Al poner en práctica su eficiente habilidad de identificación y categorización de objetos similares, el sistema olfativo de las moscas realiza actividades computacionales muy similares a las búsquedas de similitudes tan comunes en la ciencia computacional.

Sin embargo, los algoritmos computacionales utilizados comúnmente difieren de los que utilizan las moscas. Al utilizar algoritmos similares a los del circuito neuronal de las moscas, Sanjoy Dasgupta et al. observaron un mejor rendimiento de la clasificación de información en la versión que emulaba el sistema de las moscas. (Fuente: AAAS)