Forskere Designer AI-Modell som Kan Skille Mellom Forskjellige Luktperceptron

Kunstig intelligens-forskere prøver alltid å gjenskape aspekter av menneskelige sanser gjennom algoritmer. AI har blitt brukt til å dramatisk forbedre datavisjon-applikasjoner i de siste årene, og AI har også blitt brukt til å generere ganske imponerende lydeksempler, selv å lage hele sanger i stilen til en kunstner. Nylig lyktes et team av forskere fra University of California, Riverside å lage en AI som kan skille mellom lukter basert på den kjemiske sammensetningen av lukten i question.

Ifølge cell- og systembiologen ved UC Riverside, Anandasankar Ray, prøvde forskerne å basere sin AI-modell på hvordan mennesker oppfatter lukter. Den menneskelige nesen inneholder omtrent 400 luktreseptorer (ORs) som aktiveres når kjemikalier kommer inn i nesen. Forskjellige ORs aktiveres av forskjellige sett med kjemikalier og sammen er de i stand til å detektere et bredt spekter av forskjellige kjemiske strukturer og familier. Mens forskerne vet en del om hvordan ORs detekterer og tolker de forskjellige molekylene i en lukt, er det mindre kjent hvordan stimulus som ORs detekterer oversettes til en sanselig erfaring, eller percept, erfaringen av å lukte noe.

Som Phy.org rapporterte, forklarte Ray at forskerne prøvde å modellere menneskelige luktpereptor gjennom en kombinasjon av maskinlæring-algoritmer og kjemisk informasjon. Maskinlæring-algoritmer er i stand til å analysere det store antallet kjemiske variabler, trekke ut deres felles strukturer og mønster, og så lære å identifisere hvilke kjemikalier som vil ha bestemte lukter. Etter å ha blitt trent, kan algoritmene til slutt forutsi hvordan nye kjemiske kombinasjoner vil lukte, selv om dataene er ubeskrivende og det er ukjent hvordan den kjemiske lukten er.

Forskningsgruppen startet med å lage metoder som ville tillate en datamaskin å bestemme hvilke kjemiske egenskaper som var i stand til å aktivere ORs. Deretter analyserte forskerne over en halv million kjemiske forbindelser for å finne eksempler som var i stand til å binde til 34 ORs. Forskerne prøvde så å estimere de perseptuelle kvalitetene til de kjemiske eksemplene med den samme algoritmen som ble brukt til å forutsi OR-aktivitet.

Forskningsgruppen fant at kombinasjoner av forskjellige OR-aktiveringer syntes å ha en sammenheng med perseptuell kodning. Forskerne brukte data som inneholdt vurderinger av kjemikalier av menneskelige frivillige og valgte ORs som leverte de beste persept-prediksjonene på en undergruppe av de kjemiske eksemplene. De testet så om OR-aktiveringen var prediktiv for nye lukter.

Ifølge forskerne kunne OR-aktiviteten brukes til å korrekt forutsi perseptene til 146 forskjellige kjemikalier. Bare noen av ORs var nødvendige for å forutsi perseptene, ikke alle ORs. Forskerne bekreftet denne hypotesen på fluer og klarte å suksessfullt forutsi en aversjon eller tiltrekning til forskjellige lukter.

Ray forklarte at fordelen med å digitalisere lukter og forutsigelsene som er knyttet til dem er at resultater kan brukes til å bestemme nye typer kjemikalier som kan brukes i skapelsen av nye typer parfyme og mat. AI-en kunne brukes til å finne erstatninger som lukter likt kjemikalier som blir dyre eller sjeldne. Den kunne også brukes til å erstatte ubehagelige lukter med kjemikalier som er mer tiltalende for mennesker. Ray sa via Phys.org:

“Kjemikalier som er giftige eller harse i, for eksempel, smaker, kosmetikk eller husholdningsprodukter kan erstattes med naturlige, mykere og tryggere kjemikalier… Teknologien kan hjelpe oss med å oppdage nye kjemikalier som kan erstatte eksisterende som blir sjeldne, for eksempel, eller som er meget dyre. Den gir oss et stort palett av forbindelser som vi kan blande og kombinere for enhver lukteapplikasjon.”