Connect with us

Naukowcy zaprojektowali model AI zdolny do rozróżniania różnych percepcji zapachowych

Sztuczna inteligencja

Naukowcy zaprojektowali model AI zdolny do rozróżniania różnych percepcji zapachowych

mm mm

Naukowcy zajmujący się sztuczną inteligencją zawsze starają się odtworzyć aspekty ludzkich zmysłów za pomocą algorytmów. Sztuczna inteligencja została wykorzystana do znacznego udoskonalenia aplikacji związanych z widzeniem komputerowym w ostatnich latach, a także została wykorzystana do generowania dość imponujących próbek audio, nawet tworząc całe piosenki w stylu jednego artysty. Niedawno zespół naukowców z University of California, Riverside udało się stworzyć AI zdolny do rozróżniania zapachów od siebie na podstawie składu chemicznego danego zapachu.

Zgodnie z cell i systemem biologicznym 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.

Jak donosi Phy.org, Ray wyjaśnił, że naukowcy starali się modelować ludzkie percepcje węchowe za pomocą kombinacji algorytmów uczenia maszynowego i chemii informatycznej. Algorytmy uczenia maszynowego są w stanie analizować duże liczby zmiennych chemicznych, wyciągać ich wspólne struktury i wzorce, a następnie uczyć się identyfikować, 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 były w stanie aktywować OR. Następnie naukowcy przeanalizowali ponad pół miliona związków chemicznych, aby znaleźć próbki, które były w stanie wiązać się z 34 OR. Naukowcy starali się następnie oszacować jakości percepcyjne próbek chemicznych za pomocą tego samego algorytmu, który służył do przewidywania aktywności OR.

Zespół badawczy stwierdził, że kombinacje różnych aktywacji OR wydają się mieć związek z kodowaniem percepcyjnym. Naukowcy wykorzystali dane zawierające oceny substancji chemicznych przez 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 oświadczeniem naukowców, aktywność OR może 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 réusszili pomyślnie przewidzieć 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 może być wykorzystana do znalezienia substytutów, które pachną podobnie do substancji chemicznych, które stają się drogie lub rzadkie. Może być również wykorzystana do zastąpienia nieprzyjemnie pachnących związków chemicznych substancjami, które są bardziej atrakcyjne 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, łagodnymi i bezpiecznymi 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, które możemy łączyć i dopasowywać do każdego zastosowania węchowego”.

Blogger i programista ze specjalnościami w Machine Learning i Deep Learning tematy. Daniel liczy, że pomoże innym wykorzystać moc sztucznej inteligencji dla dobra społecznego.

Rebecca chce przyspieszyć przyszłość, w której AI i ludzie mogą współistnieć w pokoju. Jest szczególnie zainteresowana uczeniem przez wzmocnienie i przetwarzaniem języka naturalnego oraz pozytywnymi wpływami AI na nasze społeczności.