راه‌حلی نوین برای تطبیق در علوم کامپیوتر با الهام از سیستم عصبی

به گزارش خبرنگار گروه علم و فناوری خبرگزاری برنا؛ محققان مسئله‌ی تطبیق دو بخشی در علوم کامپیوتر را با الهام از فرآیند‌های بیولوژیکی در سیستم عصبی بهبود بخشیده‌اند. در طبیعت، نورون‌ها برای اتصال به فیبر‌های عضلانی رقابت می‌کنند، که این سیستم کارآمد توسط ناولاخا به یک الگوریتم ساده تبدیل شده است. این روش جدید نه تنها دقت جفت‌سازی را بهبود می‌بخشد و زمان انتظار در کاربرد‌های واقعی مانند اشتراک خودرو را کاهش می‌دهد، بلکه با حذف نیاز به پردازش داده‌ها در یک سرور مرکزی، حریم خصوصی را نیز تقویت می‌کند.

بهینه‌سازی اشتراک خودرو و چالش‌های علوم کامپیوتر

وقتی از یک برنامه اشتراک خودرو درخواست ماشین می‌کنید، کامپیوتر‌های شرکت شروع به کار می‌کنند. آنها می‌دانند که شما می‌خواهید به مقصد خود سریع برسید. همچنین می‌دانند که شما تنها کاربری نیستید که به خودرو نیاز دارید و رانندگان هم تمایل دارند زمان بیکاری خود را با برداشتن مسافری نزدیک به حداقل برسانند. وظیفه‌ی کامپیوتر، به گفته‌ی پروفسور ساکت ناولاخا از آزمایشگاه کولد اسپرینگ هاربر، این است که رانندگان و مسافران را به گونه‌ای جفت کند که رضایت همه را به حداکثر برساند.

دانشمندان علوم کامپیوتر مانند ناولاخا این فرایند را تطبیق دو بخشی می‌نامند. این همان وظیفه‌ای است که سیستم‌های تطبیق‌دهی اهداکنندگان عضو با گیرندگان، دانشجویان پزشکی با برنامه‌های رزیدنتی، و تبلیغ‌کنندگان با فضا‌های تبلیغاتی به عهده دارند. به همین دلیل، این موضوع مورد مطالعه‌ی دقیق قرار گرفته است.

ناولاخا گفت: «این احتمالاً یکی از ۱۰ مسئله‌ی مشهور در علوم کامپیوتر است».

بینش‌های بیولوژیکی در الگوریتم‌های کامپیوتری

اکنون، او با الهام از زیست‌شناسی روشی برای انجام بهتر این کار پیدا کرده است. ناولاخا یک مسئله‌ی تطبیق دو بخشی را در سیم‌کشی سیستم عصبی شناسایی کرد. در حیوانات بالغ، هر فیبر عضلانی بدن با دقیقاً یک نورون که حرکت آن را کنترل می‌کند جفت می‌شود. اما در اوایل زندگی، هر فیبر توسط نورون‌های متعددی هدف قرار می‌گیرد. برای این که حیوان به طور کارآمد حرکت کند، ارتباطات اضافی باید حذف شوند. پس کدام تطابق‌ها باقی می‌مانند؟

سیستم عصبی یک راه‌حل کارآمد دارد. ناولاخا توضیح داد که نورون‌هایی که ابتدا به یک فیبر عضلانی متصل می‌شوند، برای حفظ تطبیق خود با استفاده از انتقال‌دهنده‌های عصبی به عنوان منابع «مزایده‌ای» رقابت می‌کنند. نورون‌هایی که این مزایده‌ی بیولوژیکی را از دست می‌دهند می‌توانند انتقال‌دهنده‌های عصبی خود را برداشته و برای فیبر‌های دیگر پیشنهاد دهند. به این ترتیب، هر نورون و فیبر در نهایت با یک شریک جفت می‌شود.

ناولاخا روشی برای پیاده‌سازی این استراتژی تطبیق در خارج از سیستم عصبی ابداع کرده است.

او گفت: این یک الگوریتم ساده است. فقط دو معادله وجود دارد. یکی رقابت بین نورون‌هایی که به یک فیبر متصل هستند، و دیگری تخصیص مجدد منابع.

مزایای یک الگوریتم الهام‌گرفته از علوم عصبی

در مقایسه با بهترین برنامه‌های تطبیق دو بخشی موجود، الگوریتم الهام‌گرفته از علوم عصبی عملکرد بسیار خوبی دارد. این الگوریتم جفت‌سازی‌های تقریباً بهینه‌ای ایجاد کرده و تعداد کمتری از طرفین بدون جفت باقی می‌مانند. در کاربرد‌های روزمره، این می‌تواند به معنای کاهش زمان انتظار برای مسافران اشتراک خودرو و کاهش تعداد بیمارستان‌های بدون رزیدنت پزشکی باشد.

حریم خصوصی و کاربرد‌های عملی

ناولاخا به مزیت دیگری نیز اشاره می‌کند. الگوریتم جدید حریم خصوصی را حفظ می‌کند. بیشتر سیستم‌های تطبیق دو بخشی نیاز به این دارند که اطلاعات مربوطه به یک سرور مرکزی ارسال شود تا پردازش شوند. اما در بسیاری از موارد، مانند مزایده‌های آنلاین یا تطبیق اهداکنندگان عضو، یک رویکرد توزیع‌شده ممکن است ترجیح داده شود. با وجود کاربرد‌های بی‌شمار احتمالی، ناولاخا امیدوار است دیگران نیز این الگوریتم جدید را برای ابزار‌های خود تطبیق دهند.

او گفت: این یک مثال عالی از این است که چگونه مطالعه‌ی مدار‌های عصبی می‌تواند الگوریتم‌های جدیدی برای مسائل مهم هوش مصنوعی آشکار کند.

انتهای پیام/