PNAS：神经系统的匹配策略

冷泉港实验室副教授Saket Navlakha设计了一种新的计算机算法，可用于改进从拼车应用程序和在线广告拍卖到医疗住院医师计划和器官捐赠者匹配系统的一切。他从神经系统的线路中获得灵感。

　　

当你让拼车应用帮你找车时，该公司的电脑就会开始工作。他们知道你想快点到达目的地。他们知道你不是唯一需要搭车的用户。他们也知道司机们想通过接附近的人来减少空闲时间。冷泉港实验室副教授Saket Navlakha说，计算机的工作是将司机和乘客配对，以最大限度地提高每个人的幸福感。

像纳夫拉克哈这样的计算机科学家称之为双部匹配。器官捐赠者与移植候选人、医学院学生与住院医师项目、广告商与广告位的配对系统也在处理同样的任务。正因为如此，这是一个密集研究的主题。

“这可能是计算机科学中最著名的10个问题之一，”Navlakha说。

现在，他从生物学中找到了一种更好的方法。纳夫拉克哈发现了神经系统布线中存在的两部分匹配问题。在成年动物身上，身体的每条肌肉纤维都与一个控制其运动的神经元配对。然而，在生命早期，每一根纤维都是许多神经元的目标。为了使动物高效地运动，必须修剪多余的连接。那么，哪些配对是长久的呢?

神经系统有一个有效的解决办法。Navlakha解释说，最初连接到相同肌肉纤维的神经元相互竞争以保持匹配，使用神经递质作为“竞标”资源。失去这种生物拍卖的神经元可以拿走它们的神经递质，并竞标其他纤维。这样，每个神经元和纤维最终都有一个伙伴。

Navlakha设计了一种方法在神经系统之外实现这种匹配策略。“这是一个简单的算法，”他说。“只有两个方程。一是连接到同一纤维的神经元之间的竞争，二是资源的重新分配。”

经过与最好的二分匹配程序的测试，这个受神经科学启发的算法表现得非常好。它创造了近乎最优的配对，让更少的人无法匹配。在日常应用中，这可能意味着更短的拼车乘客等待时间，以及更少没有住院医生的医院。

纳夫拉克哈指出了另一个优势。新算法保护了隐私。大多数双部分匹配系统需要将相关信息传送到中央服务器进行处理。但在许多情况下——从在线拍卖到器官捐献匹配——分布式的方式可能更可取。由于有无数潜在的应用，Navlakha希望其他人能够将新算法应用到他们自己的工具中。

他补充说:“这是一个很好的例子，说明研究神经回路可以为重要的人工智能问题揭示新的算法。”