Pesquisadores Treinam um IA para Prever o Cheiro de Substâncias Químicas

Um artigo recente publicado por pesquisadores do Google (GOOGL ) Brain demonstra como os pesquisadores conseguiram treinar um IA para prever o cheiro de objetos, com base na estrutura das substâncias químicas passadas para a rede. Conforme relatado pela Wired, os pesquisadores têm esperança de que seu trabalho possa ajudar a desvendar alguns dos mistérios que rodeiam o sentido do olfato humano, que é mal compreendido em comparação com os nossos outros sentidos.

As diferenças entre os cheiros são complexas e uma única alteração de um átomo em uma molécula pode mudar um cheiro de agradável para desagradável. É difícil para os pesquisadores entender os padrões que causam estruturas químicas a serem interpretadas por nossos sentidos olfativos como agradáveis ou desagradáveis. Em contraste, os padrões do espectro eletromagnético que aparecem como cor para os nossos olhos são muito mais facilmente quantificáveis, com cientistas sendo capazes de fazer medições precisas que lhes dirão como certas comprimentos de onda de luz parecerão.

Algoritmos de aprendizado de máquina são excelentes em encontrar padrões dentro de dados, e por essa razão, os pesquisadores de IA tentaram usar o aprendizado de máquina para obter uma melhor compreensão de como os cheiros são interpretados pelo cérebro humano. Tentativas de utilizar algoritmos de aprendizado de máquina para quantificar o cheiro incluem o Desafio de Previsão de Olfatoção DREAM realizado em 2015. Vários estudos utilizaram os dados do desafio e tentaram gerar descrições de linguagem natural de odorantes mono-moleculares.

O estudo recente, publicado no Arxiv, cataloga as tentativas dos pesquisadores do Google Brain de quantificar o cheiro usando redes neurais. Os pesquisadores utilizaram uma Rede Neural Gráfica ou GNN. Redes Neurais Gráficas são capazes de interpretar dados gráficos, que são estruturas de dados compostas por nós e arestas. Grafos são comumente usados para representar redes ou relações entre pontos de dados individuais. No contexto de uma rede social, um grafo teria cada pessoa na rede representada por um nó ou vértice. Tais grafos são usados por empresas de mídia social para prever pessoas na periferia da sua rede atual e sugerir novos amigos.

Para os fins de interpretar cheiros, os pesquisadores treinaram a rede em milhares de moléculas, cada uma correspondente a um descritor de linguagem natural. A GNN foi capaz de interpretar os dados e capturar padrões na estrutura das moléculas. Os descritores utilizados pelos pesquisadores foram frases como “doce”, “defumado” ou “madeireiro”. Aproximadamente dois terços das mais de 5.000 moléculas que foram compiladas pelos pesquisadores foram usados para treinar o modelo, enquanto o terço restante foi usado para testar o modelo.

O modelo que os pesquisadores treinaram funcionou tão bem que, uma vez que a primeira iteração foi concluída, o desempenho já correspondia ao desempenho máximo alcançado por outros grupos de pesquisadores que tentaram atribuir rótulos de linguagem natural a estruturas químicas.

Alex Wiltschko, um dos pesquisadores que trabalharam no projeto, reconhece que existem algumas limitações na abordagem atual. Por um lado, o IA pode distinguir diferenças entre estruturas químicas que os humanos descreveriam como sendo as mesmas, chamando dois químicos diferentes de “terrosos” ou “madeireiros” na natureza, mesmo que o IA os classifique de forma diferente. Outro problema com o classificador é que ele não distingue entre pares quirais, que são moléculas que são imagens espelhadas umas das outras. As diferentes orientações significam que elas têm cheiros diferentes, mas o modelo atual não as vê como sendo diferentes.

A equipe de pesquisa pretende abordar essas limitações em seu trabalho futuro. A pesquisa ainda tem um longo caminho a percorrer, mas é um passo em direção a entender quais recursos de uma molécula correspondem à nossa percepção de certos cheiros. A equipe do Google Brain não é a única equipe de pesquisa a trabalhar em aplicações de IA destinadas a reconhecer odores. Outros experimentos de IA envolvendo odores incluem os experimentos da IBM com perfumes gerados por IA e um experimento de cientistas russos para detectar misturas potencialmente tóxicas de gás.