Cercetătorii instruiesc un IA pentru a prezice mirosul substanțelor chimice

O lucrare recentă publicată de cercetători de la Google (GOOGL ) Brain demonstrează cum cercetătorii au reușit să instruiască un IA pentru a prezice mirosul obiectelor, pe baza structurii substanțelor chimice introduse în rețea. Așa cum a raportat Wired, cercetătorii speră că lucrarea lor va ajuta la descifrarea unor mistere legate de simțul olfactiv uman, care este slab înțeles în comparație cu celelalte simțuri.

Diferențele dintre mirosuri sunt complexe și o singură atom schimbat într-o moleculă poate schimba un miros de la plăcut la neplăcut. Este dificil pentru cercetători să înțeleagă modelele care determină structurile chimice să fie interpretate de simțul nostru olfactiv ca plăcute sau aversive. În contrast, modelele spectrului electromagnetic care apar ca culori pentru ochii noștri sunt mult mai ușor de cuantificat, oamenii de știință putând face măsurători precise care le vor spune ce anumite lungimi de undă de lumină vor arăta.

Algoritmii de învățare automată excelează la găsirea modelelor în date, și din acest motiv, cercetătorii IA au încercat să utilizeze învățarea automată pentru a obține o mai bună înțelegere a modului în care mirosurile sunt interpretate de creierul uman. Încercările de a utiliza algoritmii de învățare automată pentru a cuantifica mirosul includ provocarea DREAM Olfaction Prediction Challenge desfășurată în 2015. Mai multe studii au luat datele de la provocare și au încercat să genereze descrieri de limbaj natural pentru odoranți mono-moleculari.

Studiul recent, publicat în Arxiv, cataloghează încercările cercetătorilor de la Google Brain de a cuantifica mirosul utilizând rețele neuronale. Cercetătorii au utilizat o Rețea Neuronală Grafică sau GNN. Rețelele Neuronale Grafice sunt capabile să interpreteze datele grafice, care sunt structuri de date compuse din noduri și muchii. Grafurile sunt utilizate în mod obișnuit pentru a reprezenta rețele sau relații între puncte de date individuale. În contextul unei rețele sociale, un graf ar avea fiecare persoană din rețea reprezentată de un nod sau vârf. Astfel de grafuri sunt utilizate de companiile de rețele sociale pentru a prezice oameni de la periferia rețelei dvs. actuale și pentru a sugera noi prieteni.

Pentru scopul de a interpreta mirosuri, cercetătorii au instruit rețeaua pe mii de molecule, fiecare fiind asociat cu un descriptor de limbaj natural. GNN a fost capabil să interpreteze datele și să identifice modele în structura moleculelor. Descriptorii utilizați de cercetători au fost fraze precum “dulce”, “afumat” sau “lemnos”. Aproximativ două treimi din peste 5.000 de molecule compilate de cercetători au fost utilizate pentru a antrena modelul, în timp ce restul de o treime a fost utilizat pentru a testa modelul.

Modelul pe care cercetătorii l-au instruit a funcționat atât de bine încât, odată ce prima iterație a fost finalizată, performanța a fost deja la nivelul performanței de vârf atinse de alte grupuri de cercetători care au încercat să atribuie etichete de limbaj natural structurilor chimice.

Alex Wiltschko, unul dintre cercetătorii care au lucrat la proiect, recunoaște că există câteva limitări ale abordării lor actuale. În primul rând, IA poate distinge diferențe între structuri chimice pe care oamenii le-ar descrie ca fiind aceleași, numind două substanțe chimice diferite “pământoase” sau “lemnoase” în natură, chiar dacă IA le clasifică diferit. O altă problemă cu clasificatorul este că nu distinge între perechi chirale, care sunt molecule ce sunt imagini în oglindă una față de cealaltă. Orientările diferite înseamnă că au mirosuri diferite, dar modelul nu le vede ca fiind diferite în prezent.

Echipa de cercetare își propune să abordeze aceste limitări în lucrările viitoare. Cercetarea încă are un drum lung de parcurs, dar este un pas către înțelegerea caracteristicilor unei molecule care corespund cu percepția noastră a anumitor mirosuri. Echipa Google Brain nu este singura echipă de cercetare care lucrează la aplicații ale IA destinate recunoașterii mirosurilor. Alte experimente IA care implică miros includ experimentele IBM cu parfumuri generate de IA și un experiment al oamenilor de știință ruși pentru a detecta amestecuri potențial toxice de gaze.