Le codage sparse inspiré des insectes permet un apprentissage rapide et évite l'oubli catastrophique. Les mouches fruit ne sont pas exactement célèbres pour leur intelligence cérébrale; vous avez probablement noyé plusieurs d'elles dans un verre de vin laissé trop longtemps sur la table du patio. Et pourtant, travaillant avec environ 140 000 neurones—un cerveau plus petit qu'une grain de pavot—Drosophila peut trier une grande variété d'odeurs en une fraction de seconde, puis conserver la mémoire de cette senteur pendant longtemps. À cet égard, ils font beaucoup mieux que les actuelles "nez électroniques".

Même les plus avancés du marché ont tendance à être coûteux, extrêmement limités dans ce qu'ils peuvent détecter, et rapides à oublier une odeur dès qu'ils apprennent une nouvelle. Alors, pourquoi ne pas simplement copier la mouche? C'est la question que un nombre croissant de chercheurs se posent—y compris Kevin Max et Yang Shen à l'Okinawa Institute of Science and Technology, dont le nouvel algorithme, Spi-Fly, est décrit dans un article récemment publié dans le journal Neuromorphic Computing and Engineering. Un sens assez obscure Le goût est un sens étrange, d'un point de vue mécanique.

La vision et l'audition se réduisent toutes deux à une seule dimension physique que l'on peut tracer sur un graphique—longueur d'onde—ce qui les rend relativement bien organisées à étudier. Les molécules odorantes, quant à elles, ne peuvent être réduites à aucune dimension physique unique. La biologie a dû trouver une solution plus désordonnée à la place: des centaines de différentes protéines réceptrices, chacune conçue pour saisir des caractéristiques moléculaires spécifiques, se déclenchant en combinaisons que le cerveau doit ensuite décoder.

C'est un système si complexe combinatoirement qu'il a fallu jusqu'en 1991 pour que Linda Buck et Richard Axel identifient même la famille de gènes récepteurs en couverture, travail qui leur a valu le prix Nobel en 2004. Malgré les difficultés de notre compréhension du goût, des "nez électroniques" existent sur le marché. Des entreprises comme Alpha MOS, Aryballe et Odotech les vendent pour le contrôle qualité alimentaire, la surveillance environnementale et le dépistage de sécurité.

Ce que ces nez font mal est la généralisation. Un appareil avec un logiciel calibré pour détecter l'huile d'olive avariée n'est pas le même qu'un appareil qui signalera une explosive spécifique à un point de contrôle aérien. Reconfigurer l'un pour une nouvelle tâche implique généralement de réentraîner son logiciel presque à zéro.

Deux goulots d'étranglement techniques se cachent derrière cette limitation. Tout d'abord, ces systèmes ont généralement besoin d'une montagne d'exemples étiquetés manuellement avant de pouvoir distinguer fiablement une odeur d'une autre. Ensuite, leur enseignement d'une nouvelle odeur tend à déranger ce qu'ils savaient déjà, un problème que les chercheurs appellent "l'oubli catastrophique"—l'équivalent électronique d'oublier comment monter à vélo juste après avoir appris à nager.

Codes-barres odorants Les mouches fruit—et beaucoup d'autres insectes—n'ont pas ce problème, malgré leurs cerveaux minuscules. Comment font-elles pour distinguer les odeurs et les mémoriser avec si peu de puissance cérébrale? Selon les auteurs de l'article, le secret réside en quelque chose qui s'appelle le codage sparse. Pensez-y comme le cerveau de la mouche affectant un code-barres à chaque odeur.

Son système olfactif repose sur environ 2 000 cellules spécialisées, appelées cellules de Kenyon, qui reçoivent des signaux sparse et aléatoirement connectés transmis par les récepteurs olfactifs de la mouche. Ces cellules de Kenyon rapportent toutes à un seul point de passage: le neurone latéral antérieur apparié, ou APL (en fait une paire symétrique d'entre elles, une par hémisphère cérébral). Les APL répondent en déclenchant une forte inhibition globale vers toutes les cellules de Kenyon à la fois, les silençant presque toutes.

Les cellules qui restent actives après cette répression sont ce que Max et Shen appellent le code-barres pour cette odeur particulière. Spi-Fly reprend l'histoire seulement après qu'un capteur ait accompli son rôle—tout cela se passe en simulation, en utilisant des données de capteur préenregistrées, et l'algorithme lui-même n'a rien à voir avec la capture de l'odeur en premier lieu. Dans le travail de Max et Shen, les lectures du capteur deviennent un flux de spikes, projetées de manière sparse et aléatoire sur une couche cachée qui représente les cellules de Kenyon, avec des neurones s'inhibant mutuellement au lieu de compter sur un seul arbitre similaire à APL. À partir de là, la couche cachée conn...