Как мозг мухи вдохновил персонализированную модель предсказаний у backend‑разработчика
Бэкендер‑новичок в ML использовал коннектом дрозофилы, отделив глобальную модель от персональной памяти, и улучшил точность прогноза пищевых срывов на синтетических данных.
В статье на Habr ML автор, работающий в бэкенде и только начинающий осваивать машинное обучение, задаётся вопросом: можно ли перенять у мозга мухи способность к накоплению индивидуального опыта и применить её к персонализации прогнозов? В качестве эксперимента он взял фрагмент коннектома Drosophila melanogaster – небольшую, но детально изученную часть нервной системы, где нейроны и их связи уже картированы.
Автор разделил модель на две части: «общую» – обучающуюся на всех доступных данных, и «персональную память», где хранится информация о конкретном пользователе. При этом глобальная часть отвечает за базовые закономерности, а персональная – за индивидуальные отклонения. Для проверки гипотезы использовались синтетические данные, имитирующие пищевые срывы у разных людей.
Результаты показали, что добавление персонального хранилища улучшило метрику log‑likelihood на 12 % по сравнению с чисто глобальной моделью. При этом архитектура осталась простой: небольшая нейросеть для глобального предсказания и отдельный вектор‑хранилище для пользовательских эмбеддингов. Автор подчёркивает, что биологическая аналогия оказалась более полезной, чем просто «скопировать» структуру мозга в код – главное было понять принцип разделения знаний.
Статья содержит ссылки на открытый репозиторий с кодом, а также на оригинальный набор данных коннектома. Автор планирует расширить эксперимент на реальные пользовательские данные и исследовать возможность применения подхода к другим задачам персонализации.
Для разработчиков, только начинающих работать с ML, статья демонстрирует практический способ добавить персонализацию без сложных архитектур. Разделение глобального и пользовательского представления может стать быстрым прототипом для рекомендаций, предсказаний или A/B‑тестов. Главное – правильно организовать хранение и обновление персональных эмбеддингов, чтобы не ухудшить масштабируемость бэкенда.
