Saket Navlakha. Learning the Structural Vocabulary of a Network. Neural Computation, 2017; 29 (2): 287. Learning the Structural Vocabulary of a Network. Science Daily (dostępny pełen tekst)
Chociaż w dzisiejszych czasach spędzamy mnóstwo czasu online, słuchając muzyki, oglądając wideo, sprawdzając pocztę, portale społecznościowe albo obsesyjnie czytając wiadomości, niewielu z nas rozumie algorytmy matematyczne zarządzające treścią, która do nas dociera. Dla twórców internetu kluczowym było zdecydowanie w jaki sposób kierunkować informację sprawnie i efektywnie, przez sieć połączeń, bez żadnego centralnego systemu zarządzania. Naukowcy z Salk Institute na łamach internetowego wydania Neutral Computation pokazali, że algorytmy wykorzystywane w internecie znajdują odwzorowanie w ludzkim mózgu.
W systemie komunikacyjnym dzięki weryfikacji jak bardzo przeciążony jest internet możliwa jest kontrola przepływu informacji tak, aby sieci przesyłowe nie zablokowały się, ani nie pozostawały nie wykorzystane. Aby to się osiągnąć internet używa algorytmu additive increase multiplicative decrease (AIMD), w którym komputer wysyła pakiet danych, a następnie sprawdza czy odbiorca wysłał potwierdzenie. Jeśli zostanie to niezwłocznie potwierdzone, oznacza to że sieć nie jest przeciążona, a dane mogą być przesyłane tą drogą w większej ilości jednocześnie. Wraz z każdym wysłanym poprawnie pakietem komputer wie, że może bezpiecznie zwiększać szybkość przesyłu poszczególnych jednostek danych (addytywne zwiększanie). Jeśli jednak potwierdzenie jest opóźnione, albo w ogóle nie dociera, to komputer rozumie, że połączenie jest blokowane i spowalnia transfer danych w znacznym stopniu (multiplikatywne obniżenie). Ponieważ komputery w całej sieci wykorzystują tę strategię, cały system może stale dostosowywać się do zmieniających się warunków, zwiększając ogólną wydajność.
Naukowcy zastanawiając się, czy mózg składający się z miliardów rozproszonych neuronów, zarządza informacją w podobny sposób, stworzyli sześc modeli algorytmów. AIMD okazał się najbardziej efektywny w utrzymywaniu przepływu informacji w sposób płynny, przekierowując je na inny tor gdy dana ścieżka jest zbyt przeciążona.
Okazuje się, że neuronowym równoważnikiem ,,addytywnego zwiększania” jest długotrwałe wzmocnienie synaptyczne (long-term potentiation, LTP). Mówimy o nim, gdy jeden neuron ulega wyładowaniu bezpośrednio po drugim, co w konsekwencji wzmacnia połączenie synaptyczne i sprawia, że jest bardziej prawdopodobne, że pierwszy neuron wzbudzi drugi w przyszłości. Odpowiednikiem ,,multiplikatywnego spadku” jest zaś długoterminowe osłabienie (LTD, long-term depression). Występuje, gdy wyładowanie pomiędzy dwoma neuronami jest odwrócone (drugi przed pierwszym). Osłabia to ich połączenie, powodując, że jest znacznie mniej prawdopodobne, że pierwszy wzbudzi drugi w przyszłości. Synapsy całej sieci osłabiają lub wzmacniają zgodnie z tą zasadą, przez co cały system dopasowuje się i uczy.
Analogie pomiędzy pracą mózgu a internetu wydają się być bardziej zbliżone, niż wydawałoby się to w przeszłości. Zrozumienie tego jak system działa w normalnych warunkach może pomóc naukowcom i lekarzom lepiej analizować to, co się dzieje gdy procesy są zakłócone, na przykład w zaburzeniach poznawczych.
Opracowała na podstawie Science Daily, 9 luty 2017
Emilia Kudraszew