A Connectome Test of the Fly Hashing Algorithm
Dit artikel evalueert het Drosophila-olfactorische hashing-algoritme opnieuw aan de hand van vier elektronenmicroscoop-connectomen en stelt vast dat hoewel de specifieke bedrading van de vlieg geen consistent voordeel biedt voor retrieval ten opzichte van graad-behoudende willekeurige herbedrading, de efficiëntie per actieve eenheid suggereert dat het een levensvatbaar model blijft voor hardware waarbij actieve eenheden, in plaats van rekenkundige operaties, de primaire computationele kosten vormen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In het uitgestrekte landschap van de hersenen is een van de meest hardnekkige mysteries hoe een dier een specifieke geur kan herkennen tussen duizenden anderen met een dergelijke snelheid en betrouwbaarheid. Om dit op te lossen, vertrouwt de natuur vaak op een strategie die "sparse coding" (ijle codering) wordt genoemd. Stel je een bibliotheek voor waar je, in plaats van elk boek te lezen om een verhaal te vinden, slechts een kleine, specifieke set planken controleert die waarschijnlijk het antwoord bevatten. In het brein van de fruitvlie is dit proces een proces dat plaatsvindt in een structuur genaamd de mushroom body (paddenstoellichaam). Wanneer een vlieg iets ruikt, reist een signaal van zijn antennes naar een cluster van ongeveer 50 gespecialiseerde eenheden die glomeruli worden genoemd. Deze signalen worden vervolgens doorgegeven aan een veel grotere groep van ongeveer 2.000 neuronen, bekend als Kenyon-cellen. De truc van het brein is dat slechts een klein percentage van deze Kenyon-cellen oplicht voor een bepaalde geur, waardoor een unieke, ijle signatuur ontstaat die de vlie kan gebruiken om geuren te onthouden en te onderscheiden. Jarenlang geloofden wetenschappers dat de bedrading die de initiële geursensoren met deze geheugencellen verbindt, in essentie willekeurig was, zoals een chaotische kluwen van draden. Dit idee leidde tot een krachtig computeralgoritme dat bekend staat als de "fly hash", die dit biologische proces nabootst om gegevens sneller te sorteren en op te halen dan traditionele methoden.
Echter, de aanname dat deze biologische bedrading puur willekeurig is, is onlangs uitgedaagd. Met de komst van geavanceerde elektronenmicroscopie kunnen onderzoekers nu de werkelijke verbindingen in het brein van een vlie in kaart brengen tot op het niveau van individuele synapsen. Deze nieuwe gegevens onthulden dat de bedrading helemaal niet willekeurig is; het is hoogst gestructureerd. Deze ontdekking riep een kritische vraag op voor zowel informaticus als neurobiologen: biedt deze specifieke, echte structuur het geheugensysteem van de vlie daadwerkelijk een verbetering, of was het oorspronkelijke idee van willekeurige bedrading slechts een gelukkige gok die toevallig goed werkte in een computermodel? Een recente studie zette zich in om dit te beantwoorden door de werkelijke bedrading van de vlie te testen tegenover de theoretische willekeurige bedrading, gebruikmakend van echte connectoomgegevens van vier verschillende vliegen.
De onderzoekers namen de volledige bedradingsdiagrammen, of connectomen, van vier fruitvliegen, die gegevens bevatten van zeven verschillende hersenhemisferen. Ze gebruikten deze echte kaarten om te simuleren hoe het brein van de vlie informatie sorteert en ophaalt, waarbij ze de resultaten vergeleken met een controlegroep waarbij de verbindingen willekeurig werden gehusseld maar het aantal inputs en outputs gelijk bleef. Ze testten dit systeem met een verscheidenheid aan taken, waaronder het herkennen van verschillende afbeeldingen, het sorteren van woordvectoren en het onderscheiden van complexe mengsels van geuren. Het doel was om te zien of de echte, biologische bedrading een duidelijk voordeel bood bij het snel vinden van vergelijkbare items, een taak die bekend staat als similarity search (gelijkeniszoektocht).
De bevindingen waren verrassend en precies. Toen de onderzoekers de simulaties uitvoerden, presteerde de echte biologische bedrading niet beter dan de willekeurig gehusselde versie. Sterker nog, over de verschillende vliegen en de verschillende soorten gegevens heen, presteerde de echte bedrading iets slechter, omdat het een klein percentage van de juiste overeenkomsten miste die de willekeurige bedrading wel vond. Dit bleef ook waar wanneer de onderzoekers naar specifieke details keken, zoals hoeveel verbindingen elke geursensor met de geheugencellen maakte. De studie toonde aan dat het specifieke, niet-willekeurige patroon van verbindingen dat in de natuur wordt gevonden, geen consistente voordelen biedt voor de taak van het ophalen van gelijke items. In plaats daarvan werkte de willekeurige bedrading, die hetzelfde aantal verbindingen behoudt maar de specifieke biologische koppeling verwijdert, net zo goed of zelfs iets beter.
De studie herbezocht ook een eerdere claim dat de hashing-methode van de vlie superieur is aan standaard computeralgoritmen. De onderzoekers bevestigden dat de methode van de vlie, die berust op het selecteren van slechts de meest actieve neuronen, inder afdoende beter presteert dan standaard wiskundige projecties wanneer het doel is om zeer korte codes te gebruiken. Ze verduidelijkten echter een cruciaal detail over dit voordeel. De methode van de vlie wint niet omdat het wiskundig efficiënter is in termen van het aantal berekeningen dat het uitvoert, maar omdat het efficiënt is in termen van het aantal actieve neuronen dat het gebruikt. Als men de twee methoden vergelijkt met dezelfde hoeveelheid wiskundige arbeid, haalt de standaard computermethode informatie eigenlijk beter op. Het voordeel van de vlie verschijnt alleen wanneer de kosten worden gemeten aan de hand van hoeveel neuronen er vuren, wat suggereert dat dit biologische ontwerp is geoptimaliseerd voor hardware waar energie wordt besteed aan het activeren van cellen in plaats van aan het uitvoeren van complexe berekeningen.
Verder onderzochten de onderzoekers waarom de echte bedrading gestructureerd is zoals zij is, als het dan niet helpt bij eenvoudige geheugenopvraging. Ze ontdekten dat in de echte vliegen sommige geursensoren met veel meer geheugencellen verbonden zijn dan andere, wat een ongelijkmatige verdeling creëert. Wanneer zij het model dwongen een gelijkmatige verdeling te hebben, verbeterde het vermogen van het systeem om gelijke items op te halen daadwerkelijk. Dit suggereert dat de natuurlijke, ongelijkmatige bedrading een heel ander doel dient, misschien gerelateerd aan hoe de vlie reageert op voedsel of gevaar, in plaats van alleen aan het onthouden van hoe iets ruikt. De studie concludeerde dat voor de specifieke taak van het vinden van gelijke items, de vlie niet zijn complexe, echte bedradingsdiagram nodig heeft; een willekeurig, ijl netwerk zou net zo goed werk doen. Dit impliceert dat het brein van de vlie zijn specifieke structuur mogelijk heeft geëvolueerd voor redenen die buiten deze specifieke vorm van geheugenzoektocht liggen, wat de vraag openlaat wat dat ware doel is voor toekomstige ontdekkingen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.