Forskere Designer AI-Model, der kan Skelne mellem Forskellige Lugtperceptioner

Kunstig intelligens-forskere prøver altid at genskabe aspekter af menneskelige sanser gennem algoritmer. AI er blevet brugt til dramatisk at forbedre computer-vision-applikationer i de seneste år, og AI er også blevet brugt til at generere ret imponerende lydeksampler, selv om det har skabt hele sange i stil med en kunstner. For nylig lykkedes det et hold af videnskabsmænd fra University of California, Riverside at skabe en AI, der kan skelne mellem lugte fra hinanden baseret på den kemiske sammensætning af lugten i question.

Ifølge cell- og systembiologen på UC Riverside, Anandasankar Ray, prøvede forskerne at basere deres AI-model på, hvordan mennesker opfatter lugte. Den menneskelige næse indeholder ca. 400 lugt-receptorer (ORs), der aktiveres, når kemikalier kommer ind i næsen. Forskellige ORs aktiveres af forskellige kemikalie-sæt og sammen er de i stand til at registrere en bred vifte af forskellige kemiske strukturer og familier. Mens videnskabsmænd kender en del om, hvordan ORs registrerer og fortolker de forskellige molekyler i en lugt, er det mindre kendt, hvordan stimulansen, som ORs registrerer, oversættes til en sanselig oplevelse, eller percept, oplevelsen af at lugte noget.

Som Phy.org rapporterede, forklarede Ray, at forskerne forsøgte at modelere menneskelige lugt-perceptioner gennem en kombination af maskinlæringsalgoritmer og kemisk informatik. Maskinlæringsalgoritmer kan analysere det store antal kemiske variable, 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, selv om data er ulabelled og det er ukendt, hvordan den kemiske lugt er.

Forskningsholdet startede med at skabe metoder, der ville tillade en computer at bestemme, hvilke kemiske funktioner der var i stand til at aktivere ORs. Herefter analyserede forskerne over en halv million kemiske forbindelser for at finde prøver, der var i stand til at binde til 34 ORs. Forskerne prøvede derefter at estimere de sanselige kvaliteter af de kemiske prøver med den samme algoritme, der blev brugt til at forudsige OR-aktivitet.

Forskningsholdet fandt, at kombinationer af forskellige OR-aktiveringer syntes at have en relation til percept-kodning. Forskerne anvendte data, der indeholdt vurderinger af kemikalier af menneskelige frivillige, og valgte ORs, der leverede de bedste percept-forudsigelser på en undermængde af de kemiske prøver. De testede herefter, om OR-aktiveringerne var forudsigelige for nye lugte.

Ifølge forskerne kunne OR-aktiviteten bruges til korrekt at forudsige percepterne af 146 forskellige kemikalier. Kun få af ORs var nødvendige for at forudsige percepterne, ikke alle ORs. Forskerne bekræftede denne hypotese på fluer og formåede at forudsige en afvisning eller tiltrækning til forskellige lugte.

Ray forklarede, at fordelene ved at digitalisere lugte og forudsigelserne relateret til dem er, at resultaterne kan bruges til at bestemme nye typer kemikalier, der kan bruges til at skabe nye typer parfumer og fødevarer. AI’en kan bruges til at finde erstatninger, der lugter lignende til kemikalier, der bliver dyre eller sjældne. Den kan også bruges til at erstatte ubehagelige lugtende forbindelser med kemikalier, der er mere tiltrækkende for mennesker. Ray udtalte via Phys.org:

“Kemikalier, der er giftige eller hårde i, sagen, smage, kosmetik eller husholdningsprodukter kan erstattes med naturlige, bløde og sikre kemikalier… Teknologien kan hjælpe os med at opdage nye kemikalier, der kan erstatte eksisterende, der bliver sjældne, eller som er meget dyre. Den giver os en bred palet af forbindelser, som vi kan kombinere og matche til enhver lugt-anvendelse.”