A Connectome Test of the Fly Hashing Algorithm
Questo articolo rivaluta l'algoritmo di hashing olfattivo di Drosophila utilizzando quattro connettomi da microscopia elettronica e scopre che, sebbene il cablaggio specifico della mosca non offra un vantaggio di recupero costante rispetto al rimescolamento casuale che preserva il grado, la sua efficienza per unità attiva suggerisce che rimanga un modello valido per l'hardware in cui le unità attive, piuttosto che le operazioni aritmetiche, rappresentano il costo computazionale primario.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Nel vasto panorama del cervello, uno dei misteri più persistenti è come un animale possa riconoscere un odore specifico tra migliaia di altri con tale velocità e affidabilità. Per risolvere questo problema, la natura si affida spesso a una strategia chiamata "codifica sparsa" (sparse coding). Immaginate una biblioteca dove, invece di leggere ogni singolo libro per trovare una storia, controllate solo un piccolo e specifico set di scaffali che probabilmente contengono la risposta. Nel cervello della mosca della frutta, questo processo avviene in una struttura chiamata corpo mushroom (mushroom body). Quando una mosca sente un odore, un segnale viaggia dalle sue antenne verso un gruppo di circa 50 unità specializzate chiamate glomeruli. Questi segnali vengono poi trasmessi a un gruppo molto più ampio di circa 2.000 neuroni noti come cellule di Kenyon. Il trucco del cervello è che solo una piccola percentuale di queste cellule di Kenyon si attiva per un dato odore, creando una firma sparsa e unica che la mosca può usare per ricordare e distinguere gli odori. Per anni, gli scienziati hanno creduto che il cablaggio che connette i sensori di odore iniziali a queste cellule della memoria fosse essenzialmente casuale, come un groviglio caotico di fili. Questa idea ha portato a un potente algoritmo informatico noto come "fly hash", che imita questo processo biologico per ordinare e recuperare dati più velocemente rispetto ai metodi tradizionali.
Tuttavia, l'assunto che questo cablaggio biologico sia puramente casuale è stato recentemente messo in discussione. Con l'avvento della microscopia elettronica avanzata, i ricercatori possono ora mappare le connessioni reali nel cervello di una mosca fino al livello dei singoli sinapsi. Questo nuovo dato ha rivelato che il cablaggio non è affatto casuale; è altamente strutturato. Questa scoperta ha sollevato una domanda critica per i computer scientist e i neurobiologi: questa specifica struttura del mondo reale rende effettivamente migliore il sistema di memoria della mosca, o l'idea originale del cablaggio casuale era solo un colpo di fortuna che ha funzionato bene in un modello informatico? Uno studio recente si è proposto di rispondere a questo quesito, testando il vero cablaggio della mosca contro il cablaggio casuale teorico, utilizzando dati reali del connettoma di quattro diverse mosche.
I ricercatori hanno preso i diagrammi completi del cablaggio, o connettomi, di quattro mosche della frutta, che includevano i dati di sette diversi emisferi cerebrali. Hanno utilizzato queste mappe reali per simulare il modo in cui il cervello della mosca ordina e recupera le informazioni, confrontando i risultati con un gruppo di controllo in cui le connessioni sono state rimescolate casualmente ma mantenendo lo stesso numero di input e output. Hanno testato questo sistema utilizzando una varietà di compiti, tra cui il riconoscimento di immagini diverse, l'ordinamento di vettori di parole e la distinzione tra miscele complesse di odori. L'obiettivo era vedere se il vero cablaggio biologico fornisse un vantaggio distinto nel trovare rapidamente elementi simili, un compito noto come ricerca di somiglianza (similarity search).
I risultati sono stati sorprendenti e precisi. Quando i ricercatori hanno eseguito le simulazioni, il vero cablaggio biologico non ha performato meglio della versione rimescolata casualmente. Infatti, attraverso le diverse mosche e i vari tipi di dati, il vero cablaggio ha performato leggermente peggio, mancando una piccola percentuale di corrispondenze corrette che il cablaggio casuale aveva invece trovato. Questo risultato è rimasto valido anche quando i ricercatori hanno esaminato dettagli specifici, come il numero di connessioni che ogni sensore di odore effettuava con le cellule della memoria. Lo studio ha dimostrato che il particolare schema di connessioni non casuali trovato in natura non offre un beneficio costante per il compito di recupero di elementi simili. Al contrario, il cablaggio casuale, che preserva lo stesso numero di connessioni ma rimuove l'accoppiamento biologico specifico, funzionava altrettanto bene o leggermente meglio.
Lo studio ha anche rivisitato una precedente affermazione secondo cui il metodo di hashing della mosca sarebbe stato superiore agli algoritmi informatici standard. I ricercatori hanno confermato che il metodo della mosca, che si basa sulla selezione di soli i neuroni più attivi, supera effettivamente le proiezioni matematiche standard quando l'obiettivo è utilizzare codici molto brevi. Tuttavia, hanno chiarito un dettaglio cruciale su questo vantaggio. Il metodo della mosca vince non perché sia matematicamente più efficiente in termini di numero di calcoli che esegue, ma perché è efficiente in termini di numero di neuroni attivi che utilizza. Se si confrontano i due metodi utilizzando la stessa quantità di lavoro matematico, il metodo informatico standard recupera le informazioni meglio. Il vantaggio della mosca appare solo quando il costo viene misurato in base a quanti neuroni si attivano, suggerendo che questo design biologico sia ottimizzato per un hardware in cui l'energia viene spesa per attivare le cellule piuttosto che per eseguire calcoli complessi.
Inoltre, i ricercatori hanno indagato perché il vero cablaggio sia strutturato in questo modo se non aiuta con il semplice recupero della memoria. Hanno scoperto che nelle vere mosche, alcuni sensori di odore si connettono a molti più neuroni della memoria rispetto ad altri, creando una distribuzione irregolare. Quando hanno forzato il modello ad avere una distribuzione uniforme, la capacità del sistema di recuperare elementi simili è effettivamente migliorata. Ciò suggerisce che il cablaggio naturale e irregolare possa servire a uno scopo completamente diverso, forse legato a come la mosca reagisce al cibo o al pericolo, piuttosto che al semplice ricordo di un odore. Lo studio ha concluso che, per il compito specifico di trovare elementi simili, la mosca non ha bisogno del suo complesso diagramma di cablaggio del mondo reale; una rete sparsa e casuale farebbe lo stesso lavoro. Questo implica che il cervello della mosca possa essersi evoluto con la sua struttura specifica per ragioni diverse dall'ottimizzazione di questo particolare tipo di ricerca della memoria, lasciando la domanda su quale sia il vero scopo a una futura scoperta.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.