نماذج ومنصات الذكاء الاصطناعي
باحثون يدرّبون الذكاء الاصطناعي على توقع رائحة المواد الكيميائية
أضف Unite.AI إلى مصادرك المفضلة على Google
نشر باحثون في جوجل برين مؤخرًا ورقة بحثية تظهر كيف تمكّن الباحثون من تدريب الذكاء الاصطناعي على توقع رائحة الأجسام بناءً على هيكل المواد الكيميائية التي تم إدخالها في الشبكة. وفقًا لما ذكرته مجلة وايرد ، يأمل الباحثون أن يساهم عملهم في كشف بعض الغموض المحيطة بالحاسة الشمية للإنسان ، والتي يتم理解ها بشكل سيئ مقارنة بالحواس الأخرى.
(GOOGL )الفرق بين الروائح معقدة ، ويمكن أن يتغير ذر واحد في الجزيء لتغيير الرائحة من الممتعة إلى غير الممتعة. من الصعب على الباحثين فهم الأنماط التي تسببها الهياكل الكيميائية لتفسيرها بواسطة حواسنا الشمية على أنها ممتعة أو غير ممتعة. في المقابل ، يمكن للعلماء قياس الأنماط في الطيف الكهرومغناطيسي التي تظهر لنا كألوان بسهولة أكبر ، حيث يمكنهم إجراء قياسات دقيقة ستخبرهم بما ستبدو عليه أطوال موجية معينة من الضوء.
تتفوق خوارزميات التعلم الآلي في العثور على الأنماط داخل البيانات ، ولهذا السبب حاول باحثو الذكاء الاصطناعي استخدام التعلم الآلي لاكتساب رؤية أفضل حول كيفية تفسير الروائح بواسطة الدماغ البشري. تشمل محاولات استخدام خوارزميات التعلم الآلي لتحديد الرائحة تحدي التنبؤ بالرائحة الذي تم إجراؤه في عام 2015. حاولت دراسات عديدة استخدام البيانات من التحدي لإنشاء وصفات لغة طبيعية للمواد العطرية أحادية الجزيء.
تسجل الدراسة الحديثة ، المنشورة في Arxiv ، محاولات باحثي جوجل برين لتحديد الرائحة باستخدام الشبكات العصبية. استخدم الباحثون شبكة عصبية графية أو GNN.能够 الشبكات العصبية الغرافية تفسير بيانات الغراف ، والتي تتكون من عقد و حواف. يتم استخدام الغرافات بشكل شائع لتمثيل الشبكات أو العلاقات بين النقاط البيانية الفردية. في سياق شبكة اجتماعية ، سيكون لكل شخص في الشبكة تمثيل بواسطة عقدة أو رأس. يتم استخدام هذه الغرافات بواسطة شركات وسائل التواصل الاجتماعي لتوقع الأشخاص على هامش شبكتك الحالية واقتراح أصدقاء جدد.
لأغراض تفسير الروائح ، درب الباحثون الشبكة على آلاف الجزيئات ، كل منها مطابق مع واصف لغة طبيعية. تمكنت الشبكة العصبية الغرافية من تفسير البيانات واكتشاف الأنماط في هيكل الجزيئات. كانت الوصفات التي استخدمها الباحثون عبارات مثل “حلو” أو “مدخن” أو “خشبي”. تم استخدام ما يقرب من ثلثي أكثر من 5000 جزيء تم تجميعها بواسطة الباحثين لتدريب النموذج ، في حين تم استخدام الثلث المتبقي لاختبار النموذج.
عمل النموذج الذي دربوه بشكل جيد لدرجة أن الأداء بعد الانتهاء من Iteration الأولى كان بالفعل مطابقًا لأداء الذروة الذي حققته مجموعات أخرى من الباحثين الذين حاولوا تعيين علامات لغة طبيعية إلى هياكل كيميائية.
يقر Алекс ويلتشمكو ، أحد الباحثين الذين عملوا على المشروع ، بأن هناك بعض القيود على نهجهم الحالي. أولًا ، قد يفرق الذكاء الاصطناعي بين الفرق في الهياكل الكيميائية التي سيصفها البشر على أنها نفسها ، ويدعو جزيئين مختلفين “ترابي” أو “خشبي” ، على الرغم من تصنيف الذكاء الاصطناعي لهما بشكل مختلف. مشكلة أخرى مع المصنف هي أنه لا يفرق بين الأزواج الشبكية ، والتي هي جزيئات تمثل صورة مرآة لبعضها البعض. يعني التوجيه المختلف أن لها روائح مختلفة ، ولكن النموذج الحالي لا يرى أنها مختلفة.
يتطلع فريق البحث إلى معالجة هذه القيود في عملهم المستقبلي. لا يزال البحث قد قطع شوطًا طويلاً ، ولكنه خطوة نحو فهم الميزات التي تتوافق مع إدراكنا لبعض الروائح. ليس فريق جوجل برين هو الفريق البحثي الوحيد الذي يعمل على تطبيقات الذكاء الاصطناعي الهادفة إلى التعرف على الروائح. تشمل تجارب الذكاء الاصطناعي الأخرى المتعلقة بالرائحة تجارب آي بي إم مع العطور التي تم إنشاؤها بواسطة الذكاء الاصطناعي وتجربة علماء روس لاكتشاف مخاليط غازية سامة محتملة.
