Investigadores entrenan a una IA para predecir el olor de los productos químicos

Un artículo reciente publicado por investigadores de Google (GOOGL ) Brain demuestra cómo los investigadores lograron entrenar a una IA para predecir el olor de los objetos, basándose en la estructura de los productos químicos que se introdujeron en la red. Según informa Wired, los investigadores esperan que su trabajo pueda ayudar a desentrañar algunos de los misterios que rodean el sentido del olfato humano, que es mal entendido en comparación con nuestros otros sentidos.

Las diferencias entre olores son complejas y un solo átomo cambiado en una molécula puede cambiar un olor de agradable a desagradable. Es difícil para los investigadores entender los patrones que causan que las estructuras químicas sean interpretadas por nuestros sentidos olfativos como agradables o desagradables. En contraste, los patrones del espectro electromagnético que aparecen como color a nuestros ojos son mucho más fáciles de cuantificar, con científicos que pueden hacer mediciones precisas que les dirán cómo se verán ciertas longitudes de onda de luz.

Los algoritmos de aprendizaje automático excelan en encontrar patrones dentro de los datos, y por esta razón, los investigadores de IA han intentado utilizar el aprendizaje automático para obtener una mejor comprensión de cómo se interpretan los olores por el cerebro humano. Los intentos de utilizar algoritmos de aprendizaje automático para cuantificar el olor incluyen el desafío de predicción de olfacción DREAM llevado a cabo en 2015. Varios estudios tomaron los datos del desafío y trataron de generar descripciones de lenguaje natural de odorantes monomoleculares.

El estudio reciente, publicado en Arxiv, cataloga los intentos de los investigadores de Google Brain de cuantificar el olor utilizando redes neuronales. Los investigadores utilizaron una Red Neuronal Gráfica o GNN. Las Redes Neuronales Gráficas son capaces de interpretar datos gráficos, que son estructuras de datos compuestas por nodos y aristas. Los gráficos se utilizan comúnmente para representar redes o relaciones entre puntos de datos individuales. En el contexto de una red social, un gráfico tendría cada persona en la red representada por un nodo o vértice. Dichos gráficos se utilizan por las empresas de redes sociales para predecir a las personas en la periferia de su red actual y sugerir nuevos amigos.

Con el fin de interpretar los olores, los investigadores entrenaron la red en miles de moléculas, cada una emparejada con un descriptor de lenguaje natural. La GNN fue capaz de interpretar los datos y detectar patrones en la estructura de las moléculas. Los descriptores utilizados por los investigadores fueron frases como “dulce”, “ahumado” o “de madera”. Aproximadamente dos tercios de las más de 5.000 moléculas que compilaron los investigadores se utilizaron para entrenar el modelo, mientras que el tercio restante se utilizó para probar el modelo.

El modelo que entrenaron los investigadores funcionó tan bien que una vez que se completó la primera iteración, el rendimiento ya coincidía con el rendimiento máximo logrado por otros grupos de investigadores que intentaron asignar etiquetas de lenguaje natural a estructuras químicas.

Alex Wiltschko, uno de los investigadores que trabajó en el proyecto, reconoce que hay un par de limitaciones en su enfoque actual. Por un lado, la IA puede distinguir diferencias entre estructuras químicas que los humanos describirían como siendo las mismas, llamando a dos productos químicos diferentes “terrosos” o “de madera” en naturaleza, aunque la IA los clasifica de manera diferente. Otro problema con el clasificador es que no distingue entre pares quirales, que son moléculas que son imágenes especulares entre sí. Las diferentes orientaciones significan que tienen olores diferentes, pero el modelo actual no los ve como diferentes.

El equipo de investigación tiene como objetivo abordar estas limitaciones en su trabajo futuro. La investigación todavía tiene un largo camino que recorrer, pero es un paso hacia la comprensión de qué características de una molécula corresponden con nuestra percepción de ciertos olores. El equipo de Google Brain no es el único equipo de investigación que trabaja en aplicaciones de IA destinadas a reconocer olores. Otros experimentos de IA que involucran olores incluyen los experimentos de IBM con perfumes generados por IA y un experimento de científicos rusos para detectar mezclas potencialmente tóxicas de gas.