Forskere designer AI-model, der er i stand til at skelne forskellige lugtopfattelser

Kunstig intelligens-forskere forsøger altid at replikere aspekter af menneskelige sanser gennem algoritmer. AI er blevet brugt til dramatisk at forbedre computervisionsapplikationer i de senere år, og AI er også blevet brugt til at generere ret imponerende lydeksempler, endda til at skabe hele sange i stil med én kunstner. For nylig lykkedes det et hold videnskabsmænd fra University of California, Riverside skabe en AI, der er i stand til at skelne lugts fra hinanden baseret på den kemiske sammensætning af den pågældende lugt.

Ifølge celle- og systembiolog ved UC Riverside, Anandasankar Ray, forsøgte forskerne at basere deres AI-model på, hvordan mennesker opfatter lugte. Den menneskelige næse indeholder cirka 400 olfaktoriske receptorer (OR'er), der aktiveres, når kemikalier kommer ind i næsen. Forskellige OR'er aktiveres af forskellige sæt kemikalier og sammen er de i stand til at detektere en lang række forskellige kemiske strukturer og familier. Mens videnskabsmænd ved en hel del om, hvordan OR'er detekterer og fortolker de forskellige molekyler i en lugt, er det mindre kendte, hvordan den stimulus, som OR'erne registrerer, oversættes til en sensorisk oplevelse eller opfatter oplevelsen af ​​at lugte noget.

Som Phy.org rapporterede, forklarede Ray, at forskere forsøgte at modellere menneskelige lugteopfattelser gennem en kombination af maskinlæringsalgoritmer og kemisk informatik. Maskinlæringsalgoritmer er i stand til at analysere det store antal kemiske variabler, trække deres fælles strukturer og mønstre ud og derefter lære at identificere, hvilke kemikalier der vil have bestemte lugte. Efter at være blevet trænet, kan algoritmerne til sidst forudsige, hvordan nye kemiske kombinationer vil lugte, selvom dataene er umærkede, og det er ukendt, hvordan kemikaliet lugter.

Forskerholdet startede med at skabe metoder, der ville gøre det muligt for en computer at bestemme, hvilke kemiske egenskaber der var i stand til at aktivere yderste periferi. Bagefter analyserede forskerne over en halv million kemiske forbindelser for at finde prøver, der var i stand til at binde til 34 OR'er. Forskerne forsøgte derefter at estimere de perceptuelle kvaliteter af de kemiske prøver med den samme algoritme, der blev brugt til at forudsige ELLER-aktivitet.

Forskerholdet fandt ud af, at kombinationer af forskellige OR-aktiveringer så ud til at have en sammenhæng med perceptuel kodning. Forskerne brugte data, der indeholdt evalueringer af kemikalier fra menneskelige frivillige og udvalgte de yderste periferi, der leverede de bedste forudsigelser om en undergruppe af de kemiske prøver. De testede derefter, hvorvidt OR-aktiveringerne var forudsigelige for nye dufte.

Ifølge forskerne kunne OR-aktiviteten bruges til korrekt at forudsige opfattelsen af ​​146 forskellige kemikalier. Kun nogle få af yderområderne var forpligtet til at forudsige opfattelserne, ikke alle yderområderne. Forskerne bekræftede denne hypotese om frugtfluer og formåede med succes at forudsige en aversion eller tiltrækning af forskellige dufte.

Ray forklarede, at fordelen ved at digitalisere lugte og forudsigelserne forbundet med dem er, at resultaterne kan bruges til at bestemme nye slags kemikalier, der kan bruges til at skabe nye slags dufte og fødevarer. AI kunne bruges til at finde erstatninger, der lugter som kemikalier, der bliver dyre eller sjældne. Det kan også bruges til at erstatte ubehageligt lugtende forbindelser med kemikalier, der er mere tiltalende for mennesker. Ray udtalte via Phys.org:

"Kemikalier, der er giftige eller hårde i f.eks. smagsstoffer, kosmetik eller husholdningsprodukter, kan erstattes med naturlige, blødere og sikrere kemikalier... Teknologien kan hjælpe os med at opdage nye kemikalier, der kan erstatte eksisterende kemikalier, der er ved at blive sjældne, f.eks. , eller som er meget dyre. Det giver os en bred palet af forbindelser, som vi kan blande og matche til enhver olfaktorisk anvendelse."