A Connectome Test of the Fly Hashing Algorithm
Diese Arbeit reevaluiert den Drosophila-Olfaktorik-Hashing-Algorithmus unter Verwendung von vier Elektronenmikroskopie-Konnektomen und stellt fest, dass, obwohl die spezifische Verschaltung der Fliege keinen konsistenten Abrufvorteil gegenüber einer graderhaltenden zufälligen Umverdrahtung bietet, ihre Effizienz pro aktiver Einheit darauf hindeutet, dass sie weiterhin ein lebensfähiges Modell für Hardware darstellt, bei der aktive Einheiten anstelle von arithmetischen Operationen die primären Rechenkosten verursachen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
In der weiten Landschaft des Gehirns ist eines der beständigsten Rätsel, wie ein Tier einen spezifischen Geruch unter tausenden anderen mit solcher Geschwindigkeit und Zuverlässigkeit erkennen kann. Um dies zu lösen, vertraut die Natur oft auf eine Strategie namens „Sparse Coding“ (dünnbesetzte Kodierung). Stellen Sie sich eine Bibliothek vor, in der Sie, anstatt jedes Buch zu lesen, um eine Geschichte zu finden, nur ein winziges, spezifisches Set an Regalen überprüfen, die wahrscheinlich die Antwort enthalten. Im Gehirn der Fruchtfliege findet dieser Prozess in einer Struktur statt, die als Körper (Mushroom Body) bezeichnet wird. Wenn eine Fliege etwas riecht, wandert ein Signal von ihren Antennen zu einem Cluster von etwa 50 spezialisierten Einheiten, den Glomeruli. Diese Signale werden dann an eine viel größere Gruppe von etwa 2.000 Neuronen weitergeleitet, die als Kenyon-Zellen bekannt sind. Der Trick des Gehirns besteht darin, dass nur ein kleiner Prozentsatz dieser Kenyon-Zellen für einen gegebenen Geruch aufleuchtet, wodurch eine einzigartige, dünnbesetzte Signatur entsteht, die die Fliege nutzen kann, um Gerüche zu erinnern und zu unterscheiden. Jahrelang glaubten Wissenschaftler, dass die Verschaltung, die die ursprünglichen Geruchssensoren mit diesen Gedächtniszellen verbindet, im Wesentlichen zufällig sei, wie ein chaotisches Wirrwarr aus Drähten. Diese Idee führte zu einem leistungsstarken Computeralgorithmus namens „Fly Hash“, der diesen biologischen Prozess nachahmt, um Daten schneller zu sortieren und abzurufen als traditionelle Methoden.
Die Annahme, dass diese biologische Verschaltung rein zufällig ist, wurde jedoch kürzlich infrage gestellt. Mit dem Aufkommen fortschrittlicher Elektronenmikroskopie können Forscher nun die tatsächlichen Verbindungen im Gehirn einer Fliege bis auf die Ebene einzelner Synapsen kartieren. Diese neuen Daten zeigten, dass die Verschaltung keineswegs zufällig ist, sondern hochstrukturiert. Diese Entdeckung warf eine kritische Frage für Informatiker und Neurobiologen gleichermaßen auf: Ist diese spezifische, reale Struktur tatsächlich besser für das Gedächtnissystem der Fliege, oder war die ursprüngliche Idee der zufälligen Verschaltung nur eine glückliche Vermutung, die in einem Computermodell gut funktionierte? Eine aktuelle Studie setzte sich zum Ziel, dies zu beantworten, indem sie die tatsächliche Verschaltung der Fliege gegen die theoretische Zufallsverschaltung testete, unter Verwendung echter Konnektom-Daten von vier verschiedenen Fliegen.
Die Forscher nahmen die vollständigen Verschaltungsdiagramme, oder Konnektome, von vier Fruchtfliegen, die Daten von sieben verschiedenen Gehirnhalbkugeln enthielten. Sie nutzten diese realen Karten, um zu simulieren, wie das Gehirn der Fliege Informationen sortiert und abruft, und verglichen die Ergebnisse mit einer Kontrollgruppe, bei der die Verbindungen zufällig neu gemischt wurden, wobei die Anzahl der Eingänge und Ausgänge gleich blieb. Sie testeten dieses System mit einer Vielzahl von Aufgaben, darunter das Erkennen verschiedener Bilder, das Sortieren von Wortvektoren und das Unterscheiden zwischen komplexen Geruchsmischungen. Das Ziel war es zu sehen, ob die reale, biologische Verschaltung einen deutlichen Vorteil beim schnellen Auffinden ähnlicher Elemente bot, einer Aufgabe, die als Ähnlichkeitssuche (Similarity Search) bekannt ist.
Die Ergebnisse waren überraschend und präzise. Als die Forscher die Simulationen durchführten, schnitt die reale biologische Verschaltung nicht besser ab als die zufällig gemischte Version. Tatsächlich schnitt die reale Verschaltung über die verschiedenen Fliegen und die verschiedenen Arten von Daten hinweg etwas schlechter ab, da sie einen kleinen Prozentsatz der korrekten Treffer verpasste, die die Zufallsverschaltung fand. Dies galt auch dann, wenn die Forscher spezifische Details betrachteten, wie etwa, wie viele Verbindungen jeder Geruchssensor zu den Gedächtniszellen aufweist. Die Studie zeigte, dass das spezifische, nicht-zufällige Verbindungsmuster, das in der Natur vorkommt, keinen konsistenten Vorteil für die Aufgabe der Abfrage ähnlicher Elemente bietet. Stattdessen funktionierte die Zufallsverschaltung, welche die gleiche Anzahl an Verbindungen beibehält, aber die spezifische biologische Paarung entfernt, genauso gut oder sogar etwas besser.
Die Studie untersuchte auch eine frühere Behauptung, dass die Hashing-Methode der Fliege überlegen sei gegenüber Standard-Computeralgorithmen. Die Forscher bestätigten, dass die Methode der Fliege, die darauf basiert, nur die aktivsten Neuronen auszuwählen, herkömmliche mathematische Projektionen tatsächlich übertrifft, wenn das Ziel darin besteht, sehr kurze Codes zu verwenden. Sie klärten jedoch ein entscheidendes Detail über diesen Vorteil auf. Die Methode der Fliege gewinnt nicht, weil sie mathematisch effizienter in Bezug auf die Anzahl der durchgeführten Berechnungen ist, sondern weil sie effizient in Bezug auf die Anzahl der aktiven Neuronen ist. Wenn man die beiden Methoden unter Verwendung der gleichen Menge an mathematischer Arbeit vergleicht, ruft die Standard-Computermethode Informationen tatsächlich besser ab. Der Vorteil der Fliege zeigt sich nur, wenn die Kosten an der Anzahl der feuernden Neuronen gemessen werden, was darauf hindeutet, dass dieses biologische Design für Hardware optimiert ist, bei der Energie für die Aktivierung von Zellen statt für komplexe Berechnungen aufgewendet wird.
Darüber hinaus untersuchten die Forscher, warum die reale Verschaltung strukturiert ist, wenn sie nicht bei der einfachen Gedächtnisabfrage hilft. Sie fanden heraus, dass in den realen Fliegen einige Geruchssensoren mit viel mehr Gedächtniszellen verbunden sind als andere, was eine ungleiche Verteilung erzeugt. Als sie das Modell dazu zwangen, eine gleichmäßige Verteilung aufzuweisen, verbesserte sich die Fähigkeit des Systems, ähnliche Elemente abzurufen, tatsächlich. Dies deutet darauf hin, dass die natürliche, ungleichmäßige Verschaltung einem völlig anderen Zweck dienen könnte, vielleicht im Zusammenhang damit, wie die Fliege auf Nahrung oder Gefahr reagiert, anstatt nur daran, sich an einen Geruch zu erinnern. Die Studie kam zu dem Schluss, dass die Fliege für die spezifische Aufgabe des Findens ähnlicher Elemente nicht ihr komplexes, reales Verschaltungsdiagramm benötigt; ein zufälliges, dünnbesetztes Netzwerk würde genauso gut funktionieren. Dies impliziert, dass das Gehirn der Fliege seine spezifische Struktur aus Gründen entwickelt hat, die außerhalb der Optimierung dieser speziellen Art der Gedächtnissuche liegen, was die Frage nach deren wahrem Zweck der zukünftigen Entdeckung überlässt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.