Lorsqu’un ordinateur doit effectuer une recherche, il va très souvent se baser sur une méthode qui va comparer différents éléments. Un exemple qui illustre bien l’idée est celui des recommandations de chansons YouTube en fonction des recherches et écoutes précédentes. Certaines mouches opèrent de la sorte pour survivre : si elles ont appris que l’odeur d’une orange indique la présence de nourriture, alors elles sauront plus tard qu’une odeur similaire signifie qu’il y a à nouveau de quoi se nourrir. Dans une étude publiée aujourd’hui, des chercheurs affirment que le fonctionnement de leurs cerveaux est cependant bien différent de celle de nos algorithmes informatiques, et que ces derniers pourraient être plus efficaces en s’en inspirant.
Reprenons l’exemple de YouTube. Pour comparer deux chansons de groupes différents, on peut se fier à énormément d’attributs : tempo, hauteur de la voix, genre de l’artiste, quels instruments sont présents… Le programme va réduire le nombre de ces données prises en compte dans la recherche, pour ensuite attribuer à cette sélection des « hashes ». Ainsi, plutôt que de comparer tous les attributs lors des recherches comparatives, il s’agit de comparer les « hashes ».
La mouche opère dans un modèle exactement opposé à celui ci. Quand elle sent pour la première fois une odeur, 50 neurones sont stimulés et relaient l’information. Mais au lieu de baisser le nombre de neurones pour simplifier l’information, le cerveau va au contraire envoyer cette dernière à près de 2000 neurones, stockant 5% d’entre eux en « hashes ». Et le test effectué par l’équipe a été concluant, puisque sur les trois datasets testés, les algorithmes inspirés par cette découverte ont été 30 à 50% plus précis.
