Výzkumníci trénují AI, aby předpovídala vůni chemikálií

Nedávný článek publikovaný výzkumníky z Google Brain demonstruje, jak se vědcům podařilo vycvičit AI, aby předpovídala pach předmětů na základě struktury chemikálií procházejících do sítě. Jak uvádí WiredVědci doufají, že jejich práce by mohla pomoci odhalit některé záhady kolem lidského čichu, který je ve srovnání s našimi ostatními smysly špatně pochopen.

Rozdíly mezi vůněmi jsou složité a změna jediného atomu v molekule může změnit vůni z příjemné na nepříjemnou. Pro výzkumníky je obtížné pochopit vzorce, které způsobují, že chemické struktury jsou našimi čichovými smysly interpretovány jako příjemné nebo averzní. Naproti tomu vzory elektromagnetického spektra, které se našim očím jeví jako barva, jsou mnohem snadněji kvantifikovatelné, vědci jsou schopni provést přesná měření, která jim řeknou, jak budou vypadat určité vlnové délky světla.

Algoritmy strojového učení vynikají při hledání vzorů v datech, a z tohoto důvodu se výzkumníci AI pokusili použít strojové učení, aby získali lepší přehled o tom, jak jsou pachy interpretovány lidským mozkem. Mezi pokusy o využití algoritmů strojového učení ke kvantifikaci pachu patří výzva DREAM Olfaction Prediction Challenge uskutečněná v roce 2015. Několik studií převzalo data z této výzvy a pokusilo se vytvořit popisy monomolekulárních odorantů v přirozeném jazyce.

Nedávná studie, publikovaná v Arxiv, katalogizuje Mozek Google pokusy výzkumníka kvantifikovat zápach pomocí neuronových sítí. Výzkumníci využili Graph Neural Network nebo GNN. Grafové neuronové sítě jsou schopny interpretovat grafová data, což jsou datové struktury složené z uzlů a hran. Pro znázornění sítí nebo vztahů mezi jednotlivými datovými body se běžně používají grafy. V kontextu sociální sítě by graf měl každou osobu v síti reprezentovanou uzlem nebo vrcholem. Tyto grafy používají společnosti sociálních médií k předpovídání lidí na periferiích vaší aktuální sítě a navrhování nových přátel.

Pro účely interpretace pachů výzkumníci trénovali síť na tisících molekul, z nichž každá odpovídala deskriptoru přirozeného jazyka. GNN byla schopna interpretovat data a zachytit vzory ve struktuře molekul. Deskriptory používané výzkumníky byly fráze jako „sladký“, „kouřový“ nebo „dřevitý“. Přibližně dvě třetiny z více než 5,000 XNUMX molekul, které výzkumníci sestavili, byly použity k trénování modelu, zatímco zbývající třetina byla použita k testování modelu.

Model, který výzkumníci trénovali, fungoval tak dobře, že jakmile byla dokončena první iterace, výkon již odpovídal špičkovému výkonu dosaženému jinými skupinami výzkumníků, kteří se pokusili přiřadit chemickým strukturám značky přirozeného jazyka.

Alex Wiltschko, jeden z výzkumníků, kteří na projektu pracovali, uznává, že jejich současný přístup má několik omezení. Za prvé, umělá inteligence může rozlišovat rozdíly mezi chemickými strukturami, které by lidé popsali jako stejné, a nazvat dvě různé chemikálie „zemité“ nebo „dřevěné“ povahy, i když je umělá inteligence klasifikuje odlišně. Dalším problémem s klasifikátorem je, že nerozlišuje mezi chirálními páry, což jsou molekuly, které jsou navzájem zrcadlovými obrazy. Různé orientace znamenají, že mají různé vůně, ale model je v současné době nevidí jako odlišné.

Výzkumný tým se snaží tato omezení řešit ve své budoucí práci. Výzkum má před sebou ještě dlouhou cestu, ale je to krok k pochopení toho, jaké vlastnosti molekuly odpovídají našemu vnímání určitých pachů. Tým Google Brain není jediným výzkumným týmem, který pracuje na aplikacích umělé inteligence zaměřených na rozpoznávání vůní. Mezi další experimenty s umělou inteligencí zahrnující vůni patří experimenty IBM s Parfémy generované umělou inteligencí a experiment ruských vědců k odhalení potenciálně toxické směsi plynů.