כשאתה מבקש מאפליקציית rideshare למצוא לך מכונית, מחשבי החברה מתחילים לעבוד. הם יודעים שאתה רוצה להגיע ליעד שלך במהירות. הם יודעים שאתה לא המשתמש היחיד שצריך טרמפ. והם יודעים שנהגים רוצים למזער זמן סרק על ידי איסוף מישהו בקרבת מקום. תפקידו של המחשב, אומר פרופסור חבר במעבדת Cold Spring Harbor, Saket Navlakha, הוא לקשר בין נהגים לרוכבים באופן שממקסם את האושר של כולם.
מדעני מחשבים כמו Navlakha קוראים לזה התאמה דו-צדדית. זו אותה משימה המטופלת על ידי מערכות המשלבות תורמי איברים עם מועמדים להשתלה, סטודנטים לרפואה עם תוכניות שהייה ומפרסמים עם משבצות פרסום. ככזה, זה נושא למחקר אינטנסיבי.
זו כנראה אחת מ-10 הבעיות המפורסמות ביותר במדעי המחשב".
Saket Navlakha, פרופסור חבר, CSHL
עכשיו, הוא מצא דרך לעשות את זה טוב יותר על ידי נטילת רמז מהביולוגיה. Navlakha זיהה בעיית התאמה דו-צדדית בחיווט של מערכת העצבים. בבעלי חיים בוגרים, כל אחד מסיבי השריר בגוף מזווג לנוירון אחד בדיוק השולט בתנועתו. עם זאת, בשלב מוקדם בחיים, כל סיב ממוקד על ידי נוירונים רבים. כדי לגרום לבעל חיים לנוע ביעילות, יש לגזום עודפי חיבורים. אז, אילו גפרורים נועדו להחזיק מעמד?
למערכת העצבים יש פתרון יעיל. Navlakha מסביר כי נוירונים המחוברים בתחילה לאותו סיב שריר מתחרים זה בזה כדי לשמור על ההתאמה שלהם, תוך שימוש במעבירים עצביים כמשאבי "הצעות". נוירונים שמפסידים במכירה הפומבית הביולוגית הזו יכולים לקחת את הנוירוטרנסמיטורים שלהם ולהציע הצעות על סיבים אחרים. בדרך זו, כל נוירון וסיב בסופו של דבר מגיעים לשותף.
Navlakha הגה דרך ליישם אסטרטגיית התאמה זו מחוץ למערכת העצבים. "זה אלגוריתם פשוט", הוא אומר. "זה רק שתי משוואות. האחת היא התחרות בין נוירונים המחוברים לאותו סיב, ושתיים היא הקצאה מחדש של משאבים".
נבדק מול תוכניות ההתאמה הדו-צדדיות הטובות ביותר שיש, האלגוריתם בהשראת מדעי המוח מתפקד טוב מאוד. זה יוצר זיווג כמעט אופטימלי ומשאיר פחות מסיבות ללא תחרות. ביישומים יומיומיים, פירוש הדבר עשוי להיות זמני המתנה קצרים יותר לנוסעי הנסיעה ופחות בתי חולים ללא תושבים רפואיים.
Navlakha מציין יתרון נוסף. האלגוריתם החדש שומר על הפרטיות. רוב מערכות ההתאמה הדו-חלקית דורשות העברת מידע רלוונטי לשרת מרכזי לצורך עיבוד. אבל במקרים רבים – ממכירות פומביות מקוונות ועד התאמת איברים תורם – גישה מבוזרת עשויה להיות מועדפת. עם אינספור יישומים פוטנציאליים, Navlakha מקווה שאחרים יתאימו את האלגוריתם החדש לכלים משלהם.
"זו דוגמה מצוינת לאופן שבו חקר מעגלים עצביים יכול לחשוף אלגוריתמים חדשים לבעיות בינה מלאכותית חשובות", הוא מוסיף.
