As moscas da fruta não são exatamente famosas pela sua inteligência - você provavelmente já afogou mais de uma em um copo de vinho deixado tempo demais na mesa do pátio. No entanto, com cerca de 140.000 neurônios - um cérebro menor que uma semente de papoula - a Drosophila consegue classificar uma enorme variedade de cheiros em uma fração de segundo e, em seguida, reter a memória desse odor por um longo tempo. Nisso, elas se saem muito melhor do que os "narizes eletrônicos" atuais, que tendem a ser caros, dolorosamente limitados no que podem detectar e rápidos em esquecer um odor no momento em que aprendem um novo.

Então, por que não copiar a mosca? Essa é a pergunta que um número crescente de pesquisadores vem fazendo - incluindo Kevin Max e Yang Shen, do Instituto de Ciência e Tecnologia de Okinawa, cujo novo algoritmo, Spi-Fly, é descrito em um artigo recentemente publicado na revista Neuromorphic Computing and Engineering.

O olfato é um sentido estranho, mecanicamente falando. A visão e a audição se reduzem a uma única dimensão física que você pode plotar em um gráfico - o comprimento de onda - o que os torna relativamente organizados de estudar. Moléculas de odor, por outro lado, não podem ser reduzidas a uma única dimensão física. A biologia teve que encontrar uma solução mais bagunçada: centenas de proteínas receptoras diferentes, cada uma moldada para se agarrar a características moleculares específicas, disparando em combinações que o cérebro então precisa decodificar. É um sistema tão combinatoriamente complexo que levou até 1991 para Linda Buck e Richard Axel sequer identificarem a família de genes receptores por trás disso - trabalho que lhes rendeu o Prêmio Nobel em 2004.

Apesar das dificuldades em nossa compreensão do olfato, "narizes eletrônicos" existem no mercado. Empresas como Alpha MOS, Aryballe e Odotech os vendem para controle de qualidade de alimentos, monitoramento ambiental e triagem de segurança. O que esses narizes fazem mal é generalizar. Um dispositivo ajustado para detectar azeite estragado não é o mesmo que um dispositivo que sinaliza um explosivo específico em um posto de controle de aeroporto. Reequipar um para uma nova tarefa geralmente significa retreinar seu software quase do zero.

Dois gargalos técnicos estão por trás dessa limitação. Primeiro, esses sistemas normalmente precisam de uma montanha de exemplos rotulados manualmente antes de poderem distinguir de forma confiável um cheiro do outro. Segundo, ensiná-los um novo odor tende a embaralhar o que eles já sabiam - um problema que os pesquisadores chamam de "esquecimento catastrófico", o equivalente eletrônico de esquecer como andar de bicicleta logo depois de aprender a nadar.

As moscas da fruta - e muitos outros insetos - não têm esse problema, apesar de seus cérebros minúsculos. Como elas distinguem odores e os lembram com tão pouco poder cerebral? O segredo, de acordo com os autores do artigo, é algo chamado codificação esparsa. Pense nisso como o cérebro da mosca atribuindo um código de barras a cada cheiro. Seu sistema olfativo depende de cerca de 2.000 células especializadas, chamadas células de Kenyon, que recebem sinais esparsos e aleatoriamente conectados passados dos receptores de odor da mosca. Essas células de Kenyon todas se reportam a um único ponto de retransmissão: o neurônio lateral anterior pareado, ou APL (na verdade, um par simétrico deles, um por hemisfério cerebral). Os APLs respondem disparando inibição global forte de volta para cada célula de Kenyon de uma só vez, silenciando quase todas elas. As células que permanecem ativas após essa repressão são o que Max e Shen chamam de código de barras para aquele odor específico.

Spi-Fly pega a história apenas depois que um sensor já fez seu trabalho - tudo aqui acontece em simulação, usando dados de sensor pré-gravados, e o algoritmo em si não tem nada a ver com capturar o cheiro em primeiro lugar. No trabalho de Max e Shen, as leituras do sensor se tornam um fluxo de picos, projetados de forma esparsa e aleatória em uma camada oculta que representa as células de Kenyon, com neurônios inibindo uns aos outros em vez de depender de um único árbitro semelhante ao APL. A partir daí, a camada oculta se conecta a uma camada de saída, um neurônio por odor rotulado, esperando aprender qual código de barras pertence a qual cheiro.

O que realmente é aprendido é a conexão entre um código de barras e um