Modern technology gives us many things.

Το AI δημιουργεί χάρτη μυρωδιών και περιγραφών

Είναι δύσκολο να υπερεκτιμηθεί η δύναμη της μύτης – η έρευνα λέει ότι οι άνθρωποι μπορούν να διακρίνουν περισσότερα από ένα τρισεκατομμύριο μυρωδιές. Αυτό είναι ιδιαίτερα εντυπωσιακό όταν θυμάστε ότι κάθε μεμονωμένη οσμή είναι μια χημική ουσία με μοναδική δομή. Οι ειδικοί προσπαθούν να διακρίνουν μοτίβα ή λογική στο πώς η χημική δομή υπαγορεύει τη μυρωδιά, κάτι που θα διευκόλυνε πολύ τη συνθετική αναπαραγωγή αρωμάτων ή την ανακάλυψη νέων. Αλλά αυτό είναι απίστευτα προκλητικό – δύο πολύ παρόμοια δομημένα χημικά θα μπορούσαν να μυρίζουν πολύ διαφορετικά. Όταν η αναγνώριση μυρωδιών είναι τόσο περίπλοκη εργασία, οι επιστήμονες ρωτούν: Μπορούμε να βάλουμε έναν υπολογιστή να το κάνει;

Η όσφρηση παραμένει πιο μυστηριώδης για τους επιστήμονες από τις αισθήσεις όρασης ή ακοής μας. Ενώ μπορούμε να «χαρτογραφήσουμε» αυτό που βλέπουμε ως φάσμα μηκών κύματος φωτός και αυτό που ακούμε ως φάσμα ηχητικών κυμάτων με συχνότητες και πλάτη, δεν έχουμε τέτοια κατανόηση για τη μυρωδιά. Σε νέα έρευνα, που δημοσιεύτηκε αυτόν τον μήνα στο η εφημερίδα Επιστήμη, οι επιστήμονες εκπαίδευσαν ένα νευρωνικό δίκτυο με 5.000 ενώσεις από δύο βάσεις δεδομένων αρωματοποιίας με οσμές—μόρια που έχουν οσμή—και αντίστοιχες ετικέτες μυρωδιάς όπως «φρουτώδες» ή «τυρί». Η τεχνητή νοημοσύνη μπόρεσε τότε να δημιουργήσει έναν «κύριο χάρτη οσμών» που έδειχνε οπτικά τις σχέσεις μεταξύ διαφορετικών μυρωδιών. Και όταν οι ερευνητές εισήγαγαν την τεχνητή νοημοσύνη τους σε ένα νέο μόριο, το πρόγραμμα ήταν σε θέση να προβλέψει περιγραφικά πώς θα μύριζε.

Στη συνέχεια, η ερευνητική ομάδα ζήτησε από μια ομάδα 15 ενηλίκων με διαφορετικό φυλετικό υπόβαθρο που ζούσαν κοντά στη Φιλαδέλφεια να μυρίσουν και να περιγράψουν την ίδια μυρωδιά. Διαπίστωσαν ότι «οι περιγραφές του νευρωνικού δικτύου είναι καλύτερες από τον μέσο συμμέτοχο, τις περισσότερες φορές», λέει Alex Wiltschko, ένας από τους συγγραφείς της νέας εργασίας. Ο Wiltschko είναι ο Διευθύνων Σύμβουλος και συνιδρυτής της Osmo, μιας εταιρείας της οποίας η αποστολή είναι «να δώσει στους υπολογιστές μια αίσθηση όσφρησης» και που συνεργάστηκε με ερευνητές από την Google και διάφορα πανεπιστήμια των ΗΠΑ για αυτήν την εργασία.

«Η μυρωδιά είναι βαθιά προσωπική», λέει Sandeep Robert Datta, καθηγητής νευροβιολογίας στο Πανεπιστήμιο του Χάρβαρντ. (Ο Datta είχε προηγουμένως ενεργήσει ως ονομαστικός σύμβουλος του Osmo, αλλά δεν συμμετείχε στη νέα μελέτη.) Έτσι, οποιαδήποτε έρευνα που σχετίζεται με το πώς περιγράφουμε και επισημαίνουμε τις μυρωδιές πρέπει να συνοδεύεται από την προειδοποίηση ότι η αντίληψή μας για τις μυρωδιές και το πώς μυρίζει μπορεί να σχετίζονται μεταξύ τους, είναι βαθιά συνδεδεμένο με τις αναμνήσεις και τον πολιτισμό μας. Αυτό καθιστά δύσκολο να πούμε ποια είναι η «καλύτερη» περιγραφή μιας μυρωδιάς, εξηγεί. Παρ ‘όλα αυτά, “υπάρχουν κοινές πτυχές της αντίληψης της όσφρησης που είναι σχεδόν βέβαιο ότι καθοδηγούνται από τη χημεία, και αυτό είναι που αποτυπώνει αυτός ο χάρτης.”

Είναι σημαντικό να σημειωθεί ότι αυτή η ομάδα δεν είναι η πρώτη ή η μοναδική που χρησιμοποιεί μοντέλα υπολογιστών για να διερευνήσει τη σχέση μεταξύ χημείας και αντίληψης όσφρησης, προσθέτει ο Datta. Υπάρχουν άλλα νευρωνικά δίκτυα, και πολλά άλλα στατιστικά μοντέλα, που έχουν εκπαιδευτεί για να ταιριάζουν χημικές δομές με μυρωδιές. Αλλά το γεγονός ότι αυτή η νέα τεχνητή νοημοσύνη παρήγαγε έναν χάρτη οσμών και ήταν σε θέση να προβλέψει τις μυρωδιές των νέων μορίων είναι σημαντικό, λέει.

[Related: How to enhance your senses of smell and taste]

Αυτό το νευρωνικό δίκτυο εξετάζει αυστηρά τη χημική δομή και τη μυρωδιά, αλλά αυτό δεν καταγράφει πραγματικά την πολυπλοκότητα των αλληλεπιδράσεων μεταξύ χημικών ουσιών και των οσφρητικών μας υποδοχέων. Anandasankar Ray, που σπουδάζει όσφρηση στο Πανεπιστήμιο της Καλιφόρνια, στο Ρίβερσαϊντ, και δεν συμμετείχε στην έρευνα, γράφει σε ένα email. Στο έργο του, ο Ray έχει προβλέψει πώς μυρίζουν οι ενώσεις με βάση ποιες από αυτές τους περίπου 400 ανθρώπινους υποδοχείς οσμής ενεργοποιούνται. Γνωρίζουμε ότι οι υποδοχείς οσμής αντιδρούν όταν προσκολλώνται χημικές ουσίες σε αυτούς, αλλά οι επιστήμονες δεν γνωρίζουν ακριβώς ποιες πληροφορίες μεταδίδουν αυτοί οι υποδοχείς στον εγκέφαλο ή πώς ο εγκέφαλος ερμηνεύει αυτά τα σήματα. Είναι σημαντικό να φτιάχνουμε μοντέλα πρόβλεψης, λαμβάνοντας παράλληλα υπόψη τη βιολογία, έγραψε.

Επιπλέον, για να δει πραγματικά πόσο γενικό θα μπορούσε να πάει το μοντέλο, ο Ray επισημαίνει ότι η ομάδα θα έπρεπε να είχε δοκιμάσει το νευρωνικό της δίκτυο σε περισσότερα σύνολα δεδομένων ξεχωριστά από τα δεδομένα εκπαίδευσης. Αλλά μέχρι να το κάνουν αυτό, δεν μπορούμε να πούμε πόσο χρήσιμο είναι αυτό το μοντέλο, προσθέτει.

Επιπλέον, το νευρωνικό δίκτυο δεν λαμβάνει υπόψη το πώς η αντίληψή μας για μια μυρωδιά μπορεί να αλλάξει με ποικίλες συγκεντρώσεις οσμών. «Ένα πραγματικά εξαιρετικό παράδειγμα αυτού είναι ένα συστατικό των ούρων γάτας που ονομάζεται MMB. είναι αυτό που κάνει την κατούρα της γάτας να μυρίζει», λέει η Ντάτα». Αλλά σε πολύ χαμηλές συγκεντρώσεις, μυρίζει αρκετά ελκυστικά και μάλιστα νόστιμα—βρίσκεται σε ορισμένους καφέδες και κρασιά. Θα είναι ενδιαφέρον να δούμε αν τα μελλοντικά μοντέλα μπορούν να το λάβουν υπόψη αυτό, προσθέτει η Datta.

Συνολικά, είναι σημαντικό να σημειωθεί ότι αυτός ο κύριος χάρτης οσμών «δεν εξηγεί τη μαγεία του πώς η μύτη μας κοσκινίζει μέσα από ένα σύμπαν χημικών ουσιών και ο εγκέφαλός μας πέφτει σε έναν περιγραφέα», λέει ο Datta. «Αυτό παραμένει ένα βαθύ μυστήριο». Αλλά θα μπορούσε να διευκολύνει πειράματα που μας βοηθούν να ανακρίνουμε πώς αντιλαμβάνεται ο εγκέφαλος τις μυρωδιές.

[Related: A new mask adds ‘realistic’ smells to VR]

Ο Witschko και οι συνεργάτες του γνωρίζουν άλλους περιορισμούς του χάρτη τους. «Με αυτό το νευρωνικό δίκτυο, κάνουμε προβλέψεις σε ένα μόριο τη φορά. Αλλά ποτέ δεν μυρίζεις ένα μόριο τη φορά – πάντα μυρίζεις μείγματα μορίων», λέει ο Witschko. Από ένα λουλούδι μέχρι ένα φλιτζάνι πρωινό καφέ, οι περισσότερες «μυρωδιές» είναι στην πραγματικότητα ένα μείγμα πολλών διαφορετικών μυρωδιών. Το επόμενο βήμα για τους συγγραφείς θα είναι να δουν εάν τα νευρωνικά δίκτυα μπορούν να προβλέψουν πώς μπορεί να μυρίζουν συνδυασμοί χημικών ουσιών.

Τελικά, ο Wiltschko οραματίζεται έναν κόσμο όπου η μυρωδιά, όπως ο ήχος και η όραση, είναι πλήρως ψηφιοποιήσιμη. Στο μέλλον ελπίζει ότι οι μηχανές θα μπορούν να ανιχνεύουν μυρωδιές και να τις περιγράφουν, όπως οι δυνατότητες ομιλίας σε κείμενο σε smartphone. Ή παρόμοια με το πώς μπορούμε να απαιτήσουμε ένα συγκεκριμένο τραγούδι από ένα έξυπνο ηχείο, θα μπορούσαν να αποπνέουν συγκεκριμένες μυρωδιές κατά παραγγελία. Αλλά υπάρχουν περισσότερα που πρέπει να γίνουν πριν αυτό το όραμα γίνει πραγματικότητα. Στην αποστολή της ψηφιοποίησης της όσφρησης, ο Wiltschko λέει, «αυτό είναι μόνο το πρώτο βήμα».





https://www.popsci.com/

Follow TechWar.gr on Google News

Απάντηση