一项新的研究表明对果蝇大脑的研究可能作为计算机科学算法改进的关键基础，增强搜索引擎 / 人工智能在“相似性搜索”算法方面的准确性。萨克生物研究学院计算机科学家 Saket Navlakha 为首的科学家团队近日在《科学》期刊上发表了相关论文，解析了果蝇大脑的思维流程，以及应用在改进计算机算法的可行性。

搜索引擎级计算机在处理“相似性搜索”要求中，主要是根据要素属性来评估相似性，比如说计算机如何将“酷玩乐队”歌曲的搜索返回给你“电台司令”歌曲的呢？计算机会将歌曲的各要素如“风格、速度、歌手性别、乐器等等”，通过特殊计算为各个属性生成“哈希值”，通过对比哈希值匹配类似结果。而 Saket Navlakha 果蝇觅食时，如果其首次闻到某种水果的味道，会直接调用 50 个神经元建立起一个特殊连接，不同于计算机的简化成数字的处理情况，果蝇会将这个信息扩展成一个复杂信号，穿越其脑部的 2000 个神经元。为什么这样复杂化的处理能够让果蝇更快识别出相似味道呢，因为将信号扩展到更多的部位和调用更多神经元，能够让果蝇大脑更有效地记忆某种味道的特殊标记，当果蝇将味道的标记传给 2000 个神经元后，在处理后果蝇会将相关信息存储在其中处理最有效的 5% 比例中。得益于这种扩展化的信息处理方式启发，Navlakha 和其同事共同将这种方法应用于计算机中，并且处理了三套数据库。他们发现应用这种方法相比传统方法，相似性搜索的准确率提高了 30%-50%。没有参与该研究的霍华德·休斯医学研究所计算机生物学家 Kristin Branson 表示“很高兴看到从神经科学得到的新启发被用来改进计算机算法。这就是我们研究各类大脑的其中一个原因，并且在关键层级做计算分析，为了尝试寻找出进化过程得到的精密算法，并且将之应用。