Les chercheurs forment un IA pour prédire l’odeur des produits chimiques

Un article récent publié par des chercheurs de Google (GOOGL ) Brain démontre comment les chercheurs ont réussi à former un IA pour prédire l’odeur des objets, en fonction de la structure des produits chimiques introduits dans le réseau. Selon un article de Wired, les chercheurs espèrent que leur travail pourrait aider à élucider certains des mystères entourant le sens de l’odorat humain, qui est mal compris par rapport à nos autres sens.

Les différences entre les odeurs sont complexes et un seul atome modifié dans une molécule peut changer une odeur de plaisante à désagréable. Il est difficile pour les chercheurs de comprendre les modèles qui font que les structures chimiques sont interprétées par nos sens olfactifs comme plaisantes ou aversives. En revanche, les modèles du spectre électromagnétique qui apparaissent comme des couleurs à nos yeux sont beaucoup plus faciles à quantifier, les scientifiques pouvant effectuer des mesures précises qui leur indiqueront à quoi ressembleront certaines longueurs d’onde de lumière.

Les algorithmes d’apprentissage automatique excellent pour trouver des modèles dans les données, et c’est pourquoi les chercheurs en IA ont tenté d’utiliser l’apprentissage automatique pour mieux comprendre comment les odeurs sont interprétées par le cerveau humain. Les tentatives d’utilisation d’algorithmes d’apprentissage automatique pour quantifier les odeurs incluent le défi de prédiction d’olfaction DREAM mené en 2015. Plusieurs études ont pris les données du défi et ont tenté de générer des descriptions de langage naturel d’odorants mono-moléculaires.

La récente étude, publiée sur Arxiv, catalogue les tentatives des chercheurs de Google Brain pour quantifier les odeurs à l’aide de réseaux de neurones. Les chercheurs ont utilisé un Réseau de Neurones Graphiques ou GNN. Les Réseaux de Neurones Graphiques sont capables d’interpréter les données graphiques, qui sont des structures de données composées de nœuds et d’arêtes. Les graphes sont couramment utilisés pour représenter des réseaux ou des relations entre des points de données individuels. Dans le contexte d’un réseau social, un graphique aurait chaque personne du réseau représentée par un nœud ou un sommet. De tels graphes sont utilisés par les sociétés de médias sociaux pour prédire les personnes situées à la périphérie de votre réseau actuel et suggérer de nouveaux amis.

Pour l’interprétation des odeurs, les chercheurs ont formé le réseau sur des milliers de molécules, chacune associée à un descripteur de langage naturel. Le GNN a pu interpréter les données et repérer des modèles dans la structure des molécules. Les descripteurs utilisés par les chercheurs étaient des phrases comme « sucré », « fumé » ou « boisé ». Environ les deux tiers des plus de 5 000 molécules compilées par les chercheurs ont été utilisés pour former le modèle, tandis que le tiers restant a été utilisé pour tester le modèle.

Le modèle que les chercheurs ont formé a fonctionné si bien que, dès la première itération, les performances correspondaient déjà aux performances de pointe atteintes par d’autres groupes de chercheurs qui ont tenté d’attribuer des étiquettes de langage naturel à des structures chimiques.

Alex Wiltschko, l’un des chercheurs qui ont travaillé sur le projet, reconnaît qu’il y a quelques limites à leur approche actuelle. Tout d’abord, l’IA peut distinguer des différences entre les structures chimiques que les humains décriraient comme étant les mêmes, en appelant deux produits chimiques différents « terrestre » ou « boisé » par nature, même si l’IA les classe différemment. Un autre problème avec le classificateur est qu’il ne distingue pas les paires chirales, qui sont des molécules qui sont des images miroir les unes des autres. Les différentes orientations signifient qu’elles ont des odeurs différentes, mais le modèle actuel ne les voit pas comme étant différentes.

L’équipe de recherche vise à résoudre ces limites dans leurs travaux futurs. La recherche a encore un long chemin à parcourir, mais c’est un pas vers la compréhension des caractéristiques d’une molécule qui correspondent à notre perception de certaines odeurs. L’équipe Google Brain n’est pas la seule équipe de recherche à travailler sur des applications d’IA visant à reconnaître les odeurs. D’autres expériences d’IA impliquant les odeurs incluent les expériences d’IBM avec des parfums générés par IA et une expérience menée par des scientifiques russes pour détecter des mélanges de gaz potentiellement toxiques.