Forskere designede en AI-model, der kan skelne mellem forskellige lugtpercepter

Kunstig intelligens-forskere prøver altid at genskabe aspekter af menneskelige sanser gennem algoritmer. AI er blevet brugt til at dramatisk forbedre computer vision-applikationer i de seneste år, og AI er også blevet brugt til at generere ret imponerende lydeksempler, selv om de kan skabe hele sange i en kunstners stil. For nylig lykkedes det et hold af videnskabsmænd fra University of California, Riverside at oprette en AI, der kan skelne mellem lugte 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 (OR), der aktiveres, når kemikalier kommer ind i næsen. Forskellige OR aktiveres af forskellige kemikalie-sæt og kan sammen detectere en bred vifte af kemiske strukturer og familier. Mens videnskabsmænd kender en del om, hvordan OR detecterer og fortolker de forskellige molekyler i en lugt, er det mindre kendt, hvordan stimulus, som OR detecterer, oversættes til en sanselig oplevelse, eller percept, oplevelsen af at lugte noget.

Som Phy.org rapporterede, forklarede Ray, at forskerne prøvede at modelere menneskelige lugtpercepter gennem en kombination af maskinlæringsalgoritmer og kemisk informatik. Maskinlæringsalgoritmer kan 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 have været 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 oprette metoder, der ville tillade en computer at bestemme, hvilke kemiske funktioner var i stand til at aktivere OR. Derefter analyserede forskerne over en halv million kemiske forbindelser for at finde prøver, der var i stand til at binde til 34 OR. Forskerne prøvede derefter at estimere de perceptuelle 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 perceptuel kodning. Forskerne anvendte data, der indeholdt vurderinger af kemikalier af menneskelige frivillige, og valgte OR, der leverede de bedste percept-forudsigelser på en undermængde af de kemiske prøver. De testede derefter, 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 OR var nødvendige for at forudsige percepterne, ikke alle OR. Forskerne bekræftede denne hypotese på fluer og lykkedes at forudsige en afvisning eller tiltrækning til forskellige lugte.

Ray forklarede, at fordelene ved at digitalisere lugte og forudsigelserne associeret med dem er, at resultaterne kan bruges til at bestemme nye typer kemikalier, der kan bruges til at skabe nye typer parfumer og mad. AI’en kan bruges til at finde erstatninger, der lugter ligesom 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, smag, kosmetik eller husholdningsprodukter, kan erstattes med naturlige, blødere og sikrere kemikalier… Teknologien kan hjælpe os med at opdage nye kemikalier, der kan erstatte eksisterende, der bliver sjældne, for eksempel, eller som er meget dyre. Den giver os en bred palet af forbindelser, som vi kan blande og matche til enhver lugtlig anvendelse.”