Le mosche della frutta non sono esattamente famose per la loro intelligenza - probabilmente ne avete annegate più di una in un bicchiere di vino lasciato troppo a lungo sul tavolo del patio. Eppure, con circa 140.000 neuroni - un cervello più piccolo di un seme di papavero - la Drosophila può distinguere un'enorme gamma di odori in una frazione di secondo, e poi conservare la memoria di quell'odore per molto tempo. In questo, fanno molto meglio delle attuali "nasi elettronici", che tendono ad essere costosi, dolorosamente limitati in ciò che possono rilevare, e rapidi a dimenticare un odore nel momento in cui ne imparano uno nuovo.

Allora perché non copiare semplicemente la mosca? È la domanda che un numero crescente di ricercatori si sta ponendo - incluso Kevin Max e Yang Shen dell'Okinawa Institute of Science and Technology, il cui nuovo algoritmo, Spi-Fly, è descritto in un articolo recentemente pubblicato sulla rivista Neuromorphic Computing and Engineering.

L'olfatto è un senso strano, meccanicamente parlando. La vista e l'udito si riducono entrambi a una singola dimensione fisica che puoi tracciare su un grafico - la lunghezza d'onda - il che li rende relativamente ordinati da studiare. Le molecole degli odori, al contrario, non possono essere ridotte a una singola dimensione fisica. La biologia ha dovuto trovare una soluzione più caotica: centinaia di diversi recettori proteici, ciascuno modellato per agganciarsi a specifiche caratteristiche molecolari, che si attivano in combinazioni che il cervello deve poi decodificare. È un sistema così complesso dal punto di vista combinatorio che ci sono voluti fino al 1991 perché Linda Buck e Richard Axel identificassero persino la famiglia di geni recettoriali dietro di esso - un lavoro che valse loro il Premio Nobel nel 2004.

Nonostante le difficoltà nella nostra comprensione dell'olfatto, i "nasi elettronici" esistono sul mercato. Aziende come Alpha MOS, Aryballe e Odotech li vendono per il controllo qualità alimentare, il monitoraggio ambientale e lo screening di sicurezza. Ciò in cui questi nasi sono carenti è la generalizzazione. Un dispositivo calibrato per fiutare olio d'oliva rancido non è lo stesso di un dispositivo che segnala un esplosivo specifico a un checkpoint aeroportuale. Riadattarne uno per un nuovo compito di solito significa riqualificare il suo software quasi da zero.

Due colli di bottiglia tecnici si celano dietro questa limitazione. In primo luogo, questi sistemi in genere necessitano di una montagna di esempi etichettati a mano prima di poter distinguere in modo affidabile un odore da un altro. In secondo luogo, insegnare loro un nuovo odore tende a sconvolgere ciò che già sapevano - un problema che i ricercatori chiamano "oblio catastrofico", l'equivalente elettronico di dimenticare come si va in bicicletta subito dopo aver imparato a nuotare.

Le mosche della frutta - e molti altri insetti - non hanno questo problema, nonostante i loro cervelli minuscoli. Come fanno a distinguere gli odori e ricordarli con così poca potenza cerebrale? Il segreto, secondo gli autori dell'articolo, è qualcosa chiamato codifica sparsa. Pensatela come il cervello della mosca che assegna un codice a barre a ogni odore. Il suo sistema olfattivo si basa su circa 2.000 cellule specializzate, chiamate cellule di Kenyon, che ricevono segnali sparsi e cablati casualmente trasmessi dai recettori degli odori della mosca. Quelle cellule di Kenyon riportano tutte a un singolo punto di ritrasmissione: il neurone laterale anteriore accoppiato, o APL (in realtà una coppia simmetrica, uno per emisfero cerebrale). Gli APL rispondono sparando una forte inibizione globale a ogni cellula di Kenyon contemporaneamente, silenziando quasi tutte. Le cellule che rimangono attive dopo quella repressione sono ciò che Max e Shen chiamano il codice a barre per quel particolare odore.

Spi-Fly riprende la storia solo dopo che un sensore ha già fatto il suo lavoro - tutto qui avviene in simulazione, usando dati di sensori preregistrati, e l'algoritmo stesso non ha nulla a che fare con la cattura dell'odore in primo luogo. Nel lavoro di Max e Shen, le letture dei sensori diventano un flusso di spike, proiettati scarsamente e casualmente su un livello nascosto che rappresenta le cellule di Kenyon, con neuroni che si inibiscono a vicenda invece di fare affidamento su un singolo arbitro simile all'APL. Da lì, il livello nascosto si collega a un livello di output, un neurone per odore etichettato, in attesa di imparare quale codice a barre appartiene a quale odore.

Ciò che viene effettivamente appreso è la connessione tra un codice a barre e un