Ricercatori addestrano un’intelligenza artificiale a prevedere l’odore dei chimici

Un recente articolo pubblicato da ricercatori di Google (GOOGL ) Brain dimostra come i ricercatori siano riusciti ad addestrare un’intelligenza artificiale a prevedere l’odore degli oggetti in base alla struttura dei chimici immessi nella rete. Come riportato da Wired, i ricercatori sono ottimisti che il loro lavoro possa aiutare a svelare alcuni dei misteri che circondano il senso dell’olfatto umano, che è poco compreso in confronto ai nostri altri sensi.

Le differenze tra gli odori sono complesse e un solo atomo cambiato in una molecola può cambiare un odore da piacevole a sgradevole. È difficile per i ricercatori comprendere i modelli che causano le strutture chimiche di essere interpretate dai nostri sensi olfattivi come piacevoli o avversivi. Al contrario, i modelli dello spettro elettromagnetico che appaiono come colori ai nostri occhi sono molto più facilmente quantificabili, con scienziati in grado di effettuare misurazioni precise che possono dire loro come appariranno certe lunghezze d’onda di luce.

Gli algoritmi di apprendimento automatico eccellono nel trovare modelli all’interno dei dati e per questo motivo, i ricercatori di intelligenza artificiale hanno tentato di utilizzare l’apprendimento automatico per ottenere una migliore comprensione di come gli odori sono interpretati dal cervello umano. I tentativi di utilizzare algoritmi di apprendimento automatico per quantificare l’odore includono la sfida di previsione dell’olfazione DREAM svolta nel 2015. Diversi studi hanno preso i dati dalla sfida e hanno tentato di generare descrizioni di linguaggio naturale di odoranti monomolecolari.

Lo studio recente, pubblicato su Arxiv, cataloga i tentativi dei ricercatori di Google Brain di quantificare l’odore utilizzando reti neurali. I ricercatori hanno utilizzato una rete neurale grafica o GNN. Le reti neurali grafiche sono in grado di interpretare i dati grafici, che sono strutture di dati composte da nodi e archi. I grafi sono comunemente utilizzati per rappresentare reti o relazioni tra punti di dati individuali. Nel contesto di una rete sociale, un grafo avrebbe ogni persona nella rete rappresentata da un nodo o vertice. Tali grafi sono utilizzati dalle società di social media per prevedere le persone ai margini della tua rete attuale e suggerire nuovi amici.

Per gli scopi di interpretazione degli odori, i ricercatori hanno addestrato la rete su migliaia di molecole, ciascuna abbinata a un descrittore di linguaggio naturale. La GNN è stata in grado di interpretare i dati e di rilevare modelli nella struttura delle molecole. I descrittori utilizzati dai ricercatori erano frasi come “dolce”, “affumicato” o “di legno”. Circa due terzi delle oltre 5.000 molecole che sono state compilate dai ricercatori sono stati utilizzati per addestrare il modello, mentre il restante terzo è stato utilizzato per testare il modello.

Il modello che i ricercatori hanno addestrato ha funzionato così bene che una volta completata la prima iterazione, le prestazioni hanno già raggiunto il picco di prestazioni raggiunto da altri gruppi di ricercatori che hanno tentato di assegnare etichette di linguaggio naturale a strutture chimiche.

Alex Wiltschko, uno dei ricercatori che ha lavorato al progetto, riconosce che ci sono un paio di limitazioni nel loro approccio attuale. Per uno, l’intelligenza artificiale può distinguere differenze tra strutture chimiche che gli esseri umani descriverebbero come essere le stesse, chiamando due chimici diversi “terrosi” o “di legno” per natura, anche se l’intelligenza artificiale li classifica diversamente. Un altro problema con il classificatore è che non distingue tra coppie chirali, che sono molecole che sono immagini speculari l’una dell’altra. Le diverse orientazioni significano che hanno odori diversi, ma il modello attualmente non li vede come diversi.

Il team di ricerca mira a risolvere queste limitazioni nel loro lavoro futuro. La ricerca ha ancora una lunga strada da percorrere, ma è un passo verso la comprensione di quali caratteristiche di una molecola corrispondono alla nostra percezione di certi odori. Il team di Google Brain non è l’unico team di ricerca a lavorare su applicazioni di intelligenza artificiale finalizzate al riconoscimento degli odori. Altri esperimenti di intelligenza artificiale che coinvolgono l’odore includono gli esperimenti di IBM con profumi generati da intelligenza artificiale e un esperimento di scienziati russi per rilevare miscele potenzialmente tossiche di gas.