Connect with us

Ερευνητές Σχεδιάζουν Μοντέλο AI Ικανό να Διακρίνει Διαφορετικές Οσμές

Τεχνητή νοημοσύνη

Ερευνητές Σχεδιάζουν Μοντέλο AI Ικανό να Διακρίνει Διαφορετικές Οσμές

mm mm

Οι ερευνητές της τεχνητής νοημοσύνης προσπαθούν συνεχώς να αναπαράγουν аспектς των ανθρώπινων αισθήσεων μέσω αλγορίθμων. Η τεχνητή νοημοσύνη έχει χρησιμοποιηθεί για να βελτιώσει δραματικά τις εφαρμογές οπτικής αναγνώρισης υπολογιστή τα τελευταία χρόνια, και η τεχνητή νοημοσύνη έχει επίσης χρησιμοποιηθεί για να δημιουργήσει khá εντυπωσιακά δείγματα ήχου, ακόμη και δημιουργώντας ολόκληρες τραγούδια στο στυλ ενός καλλιτέχνη. Πρόσφατα, μια ομάδα επιστημόνων από το Πανεπιστήμιο της Καλιφόρνιας, Riverside κατάφερε να δημιουργήσει ένα AI ικανό να διακρίνει οσμές από τις μιας άλλης με βάση τη χημική σύνθεση της οσμής.

Σύμφωνα με τον Anandasankar Ray, βιολόγο κυττάρου και συστημάτων στο UC Riverside, οι ερευνητές προσπάθησαν να βασίσουν το μοντέλο AI τους στο πώς οι άνθρωποι αντιλαμβάνονται τις οσμές. Το ανθρώπινο μύλο περιέχει περίπου 400 οσφρητικούς υποδοχείς (ORs) που ενεργοποιούνται όταν χημικά εισέρχονται στη μύτη. Διαφορετικοί ORs ενεργοποιούνται από διαφορετικά σύνολα χημικών και μαζί είναι ικανοί να ανιχνεύουν ένα ευρύ φάσμα διαφορετικών χημικών δομών και οικογενειών. Ενώ οι επιστήμονες γνωρίζουν ένα相当 ποσό σχετικά με το πώς οι ORs ανιχνεύουν και ερμηνεύουν τις διαφορετικές μοριακές ενότητες μέσα σε μια οσμή, αυτό που είναι λιγότερο γνωστό είναι το πώς το ερέθισμα που οι ORs ανιχνεύουν μεταφράζεται σε μια αισθητηριακή εμπειρία, ή αντίληψη, την εμπειρία της οσμής κάτι.

Όπως αναφέρθηκε στο Phy.org, ο Ray εξήγησε ότι οι ερευνητές προσπάθησαν να μοντελοποιήσουν τις ανθρώπινες οσφρητικές αντιλήψεις μέσω μιας συνδυασμού αλγορίθμων μηχανικής μάθησης και χημικής πληροφορικής. Οι αλγόριθμοι μηχανικής μάθησης είναι ικανοί να αναλύουν το lớn αριθμό χημικών μεταβλητών, να βγάζουν τις κοινές δομές και τα πρότυπα τους και στη συνέχεια να μάθουν να αναγνωρίζουν ποια χημικά θα έχουν bestimmtes οσμές. Μετά την εκπαίδευση, οι αλγόριθμοι μπορούν τελικά να προβλέψουν πώς θα οσμούνται νέες χημικές συνδυασμοί ακόμη και αν τα δεδομένα είναι ανεπίσημα και είναι άγνωστο πώς η χημική οσμή.

Η ερευνητική ομάδα ξεκίνησε δημιουργώντας μεθόδους που θα επέτρεπαν σε einen υπολογιστή να καθορίσει ποια χημικά χαρακτηριστικά ήταν ικανά να ενεργοποιήσουν τους ORs. Στη συνέχεια, οι ερευνητές ανέλυσαν πάνω από μισό εκατομμύριο χημικές ενώσεις για να βρουν δείγματα που ήταν ικανά να συνδέσουν 34 ORs. Οι ερευνητές προσπάθησαν να εκτιμήσουν τις αντιληπτικές ιδιότητες των χημικών δειγμάτων με τον ίδιο αλγόριθμο που χρησιμοποιήθηκε για να προβλέψει την δραστηριότητα των OR.

Η ερευνητική ομάδα βρήκε ότι οι συνδυασμοί διαφορετικών ενεργοποιήσεων OR φαίνονταν να έχουν μια σχέση με την αντιληπτική κωδικοποίηση. Οι ερευνητές χρησιμοποίησαν δεδομένα που περιείχαν αξιολογήσεις χημικών από ανθρώπινους εθελοντές και επέλεξαν τους ORs που παρείχαν τις καλύτερες προβλέψεις αντιλήψεων σε ένα υποσύνολο των χημικών δειγμάτων. Στη συνέχεια, ελέγξαν αν οι ενεργοποιήσεις των OR ήταν προβλέψιμες για νέες οσμές.

Σύμφωνα με τους ερευνητές, η δραστηριότητα των OR θα μπορούσε να χρησιμοποιηθεί για να προβλέψει σωστά τις αντιλήψεις 146 διαφορετικών χημικών. Μόνο quelques από τους ORs απαιτούνταν για να προβλέψουν τις αντιλήψεις, όχι όλοι οι ORs. Οι ερευνητές επιβεβαίωσαν αυτή την υπόθεση σε μύγες και κατάφεραν να προβλέψουν με επιτυχία μια αποστροφή ή έλξη σε διαφορετικές οσμές.

Ο Ray εξήγησε ότι το πλεονέκτημα της ψηφιοποίησης των οσμών και των προβλέψεων που συνδέονται με αυτές είναι ότι τα αποτελέσματα μπορούν να χρησιμοποιηθούν για να καθορίσουν νέους τύπους χημικών που μπορούν να χρησιμοποιηθούν στη δημιουργία νέων τύπων αρωμάτων και τροφίμων. Το AI θα μπορούσε να χρησιμοποιηθεί για να βρει αντικαταστάτες που οσμούν παρόμοια με χημικά που γίνονται ακριβά ή σπάνια. Θα μπορούσε επίσης να χρησιμοποιηθεί για να αντικαταστήσει άσχημες οσμές με χημικά που είναι πιο ελκυστικά για τους ανθρώπους. Ο Ray δήλωσε μέσω Phys.org:

“Χημικά που είναι τοξικά ή σκληρά σε, π.χ., γεύσεις, κοσμητικά, ή οικιακά προϊόντα μπορούν να αντικατασταθούν με φυσικά, μαλακά και ασφαλή χημικά… Η τεχνολογία μπορεί να μας βοηθήσει να ανακαλύψουμε νέα χημικά που θα μπορούσαν να αντικαταστήσουν τα υπάρχοντα που γίνονται σπάνια, για παράδειγμα, ή τα οποία είναι πολύ ακριβά. Προσφέρει σε μας ένα τεράστιο παλέττα από ενώσεις που μπορούμε να αναμιχθούμε και να ταιριάξουμε για οποιαδήποτε οσφρητική εφαρμογή.”

Blogger και προγραμματιστής με ειδικότητες στα Machine Learning και Deep Learning θέματα. Ο Daniel ελπίζει να βοηθήσει τους άλλους να χρησιμοποιήσουν τη δύναμη του AI για κοινωνικό καλό.

Η Rebecca επιθυμεί να επιταχύνει ένα μέλλον όπου η τεχνητή νοημοσύνη και οι άνθρωποι μπορούν να συνυπάρχουν ειρηνικά. Είναι ιδιαίτερα ενδιαφερμένη στην ενίσχυση της μάθησης και την επεξεργασία φυσικής γλώσσας και τις θετικές επιπτώσεις της τεχνητής νοημοσύνης στις κοινότητές μας.