Когда вы просите приложение для совместных поездок найти вам машину, компьютеры компании начинают работать. Они знают, что вы хотите быстро добраться до места назначения. Они знают, что вы не единственный пользователь, которому нужна поездка. И они знают, что водители хотят минимизировать время простоя, подбирая кого-то поблизости. Работа компьютера, говорит доцент лаборатории Cold Spring Harbor Сакет Навлаха, заключается в том, чтобы связать водителей с пассажирами таким образом, чтобы максимально повысить счастье каждого.
Такие компьютерные специалисты, как Навлаха, называют это двусторонним сопоставлением. Это та же задача, которую выполняют системы, сопоставляющие доноров органов с кандидатами на трансплантацию, студентов-медиков с программами резидентуры, а рекламодателей с рекламными слотами. Таким образом, это предмет интенсивного изучения.
«Это, вероятно, одна из 10 самых известных проблем в информатике», — говорит Навлаха.
Теперь он нашел способ сделать это лучше, взяв пример из биологии. Навлаха распознал проблему двудольного соответствия в проводке нервной системы. У взрослых животных каждое мышечное волокно тела сопряжено ровно с одним нейроном, который управляет его движением. Однако в раннем возрасте каждое волокно подвергается воздействию множества нейронов. Чтобы животное двигалось эффективно, необходимо обрезать лишние связи. Так какие же соответствия создаются на долгие годы?
Нервная система имеет эффективное решение. Навлаха объясняет, что нейроны, изначально подключенные к одному и тому же мышечному волокну, конкурируют друг с другом, чтобы сохранить свое соответствие, используя нейротрансмиттеры в качестве ресурсов «торгов». Нейроны, которые проигрывают этот биологический аукцион, могут забрать свои нейротрансмиттеры и сделать ставку на другие волокна. Таким образом, каждый нейрон и волокно в конечном итоге оказываются с партнером.
Навлаха разработал способ реализации этой стратегии сопоставления вне нервной системы . «Это простой алгоритм», — говорит он. «Это всего два уравнения. Одно — это конкуренция между нейронами, подключенными к одному и тому же волокну, а второе — перераспределение ресурсов». Работа была опубликована в Proceedings of the National Academy of Sciences.
Протестированный на лучших двусторонних программах сопоставления, этот алгоритм, вдохновленный нейронаукой, работает очень хорошо. Он создает почти оптимальные пары и оставляет меньше неподобранных участников. В повседневных приложениях это может означать более короткое время ожидания для пассажиров совместных поездок и меньшее количество больниц без врачей-резидентов.
Навлаха указывает на еще одно преимущество. Новый алгоритм сохраняет конфиденциальность. Большинство двусторонних систем сопоставления требуют, чтобы соответствующая информация передавалась на центральный сервер для обработки. Но во многих случаях — от онлайн-аукционов до сопоставления донорских органов — распределенный подход может быть предпочтительнее. Навлаха надеется, что с бесчисленными потенциальными приложениями другие адаптируют новый алгоритм для своих собственных инструментов.
«Это отличный пример того, как изучение нейронных цепей может помочь найти новые алгоритмы для решения важных задач ИИ», — добавляет он.
