Naukowcy zaprojektowali model AI, który potrafi odróżniać różne percepcje zapachowe

Badacze sztucznej inteligencji stale starają się odtworzyć aspekty ludzkich zmysłów za pomocą algorytmów. Sztuczna inteligencja została wykorzystana do znacznego udoskonalenia aplikacji komputerowego widzenia w ostatnich latach, a także do wygenerowania dość imponujących próbek audio, nawet tworząc całe piosenki w stylu jednego artysty. Niedawno zespół naukowców z University of California, Riverside udało się stworzyć AI, która potrafi odróżniać zapachy od siebie nawzajem na podstawie składu chemicznego danego zapachu.

Zgodnie z cell i systemem biologii na UC Riverside, Anandasankar Ray, naukowcy starali się oprzeć swój model AI na tym, jak ludzie postrzegają zapachy. Ludzki nos zawiera około 400 receptorów węchowych (OR), które są aktywowane, gdy substancje chemiczne wchodzą do nosa. Różne OR są aktywowane przez różne zestawy substancji chemicznych i razem są w stanie wykryć szeroki zakres różnych struktur chemicznych i rodzin. Chociaż naukowcy wiedzą sporo na temat tego, jak OR wykrywają i interpretują różne molekuły w zapachu, to mniej wiadomo, jak bodziec, który OR wykrywają, przekłada się na doświadczenie sensoryczne, czyli percepcję, doświadczenie czegoś, co się czuje.

Jak donosi Phy.org, Ray wyjaśnił, że naukowcy starali się modelować ludzkie percepcje węchowe za pomocą kombinacji algorytmów uczenia maszynowego i chemii informacyjnej. Algorytmy uczenia maszynowego są w stanie analizować duże ilości zmiennych chemicznych, wyciągać ich wspólne struktury i wzorce, a następnie uczyć się rozpoznawać, które substancje chemiczne będą miały określone zapachy. Po przeszkoleniu algorytmy mogą ostatecznie przewidzieć, jak nowe kombinacje chemiczne będą pachnieć, nawet jeśli dane są nieoznaczone i nie wiadomo, jak pachnie dana substancja chemiczna.

Zespół badawczy rozpoczął od stworzenia metod, które pozwoliłyby komputerowi określić, które cechy chemiczne są w stanie aktywować OR. Następnie naukowcy przeanalizowali ponad pół miliona związków chemicznych, aby znaleźć próbki, które mogłyby wiązać się z 34 OR. Naukowcy starali się następnie oszacować cechy percepcyjne próbek chemicznych za pomocą tego samego algorytmu, który służył do przewidywania aktywności OR.

Zespół badawczy odkrył, że kombinacje różnych aktywacji OR wydają się mieć związek z kodowaniem percepcyjnym. Naukowcy wykorzystali dane, które zawierały oceny substancji chemicznych przez ludzkich ochotników i wybrali OR, które dostarczały najlepsze przewidywania percepcji w podzbiorze próbek chemicznych. Następnie przetestowali, czy aktywacje OR są przewidywalne dla nowych zapachów.

Zgodnie z naukowcami, aktywność OR mogła być wykorzystana do poprawnego przewidywania percepcji 146 różnych substancji chemicznych. Tylko kilka OR było wymaganych do przewidywania percepcji, a nie wszystkie OR. Naukowcy potwierdzili tę hipotezę na muchach owocowych i berhasilnie przewidzieli awersję lub atrakcję do różnych zapachów.

Ray wyjaśnił, że zaletą cyfryzacji zapachów i przewidywań z nimi związanych jest to, że wyniki mogą być wykorzystane do określenia nowych rodzajów substancji chemicznych, które mogą być wykorzystane do tworzenia nowych rodzajów perfum i żywności. AI mogłaby być wykorzystana do znalezienia substytutów, które pachną podobnie do substancji chemicznych, które stają się drogie lub rzadkie. Mogłaby być również wykorzystana do zastąpienia nieprzyjemnie pachnących związków chemicznych substancjami bardziej przyjemnymi dla ludzi. Ray oświadczył za pośrednictwem Phys.org:

“Substancje chemiczne, które są toksyczne lub szkodliwe w, powiedzmy, smakach, kosmetykach lub produktach gospodarstwa domowego, mogą być zastąpione naturalnymi, łagodniejszymi i bezpieczniejszymi substancjami chemicznymi… Ta technologia może pomóc nam odkryć nowe substancje chemiczne, które mogą zastąpić istniejące, które stają się rzadkie, na przykład, lub które są bardzo drogie. Daje nam ogromną paletę związków chemicznych, które możemy łączyć i dopasowywać do każdego zastosowania węchowego.”