Исследователи обучают ИИ предсказывать запах химических веществ

Недавняя статья, опубликованная исследователями в Google (GOOGL ) Brain, демонстрирует, как исследователи смогли обучить ИИ предсказывать запах объектов на основе структуры химических веществ, введенных в сеть. Как сообщает Wired, исследователи надеются, что их работа поможет разгадать некоторые из загадок, окружающих человеческое чувство запаха, которое плохо понимается по сравнению с другими нашими чувствами.

Различия между запахами сложны, и изменение одного атома в молекуле может изменить запах от приятного до неприятного. Трудно для исследователей понять закономерности, которые вызывают химические структуры, интерпретируемые нашими обонятельными чувствами как приятные или неприятные. Напротив, закономерности электромагнитного спектра, которые появляются как цвет для наших глаз, намного легче количественно измерить, и ученые могут сделать точные измерения, которые скажут им, как будут выглядеть определенные длины волн света.

Алгоритмы машинного обучения отлично находят закономерности в данных, и по этой причине исследователи ИИ пытались использовать машинное обучение, чтобы получить лучшее представление о том, как запахи интерпретируются человеческим мозгом. Попытки использования алгоритмов машинного обучения для количественной оценки запаха включают в себя вызов DREAM Olfaction Prediction Challenge, проведенный в 2015 году. Несколько исследований взяли данные из вызова и попытались сгенерировать естественные языковые описания моно-молекулярных запахов.

Недавнее исследование, опубликованное в Arxiv, каталогизирует попытки исследователей Google Brain количественно оценить запах с помощью нейронных сетей. Исследователи использовали графическую нейронную сеть (GNN). Графические нейронные сети способны интерпретировать графические данные, которые являются структурами данных, состоящими из узлов и ребер. Графы обычно используются для представления сетей или отношений между отдельными точками данных. В контексте социальной сети граф будет иметь каждого человека в сети, представленного узлом или вершиной. Такие графы используются социальными сетями для прогнозирования людей на периферии вашей текущей сети и предложения новых друзей.

Для целей интерпретации запахов исследователи обучили сеть на тысячах молекул, каждая из которых соответствует естественному языковому описателю. GNN смогла интерпретировать данные и обнаружить закономерности в структуре молекул. Описатели, использованные исследователями, были фразами типа «сладкий», «дымный» или «древесный». Примерно две трети из более 5 000 молекул, собранных исследователями, были использованы для обучения модели, в то время как оставшаяся треть была использована для тестирования модели.

Модель, которую обучили исследователи, работала так хорошо, что после завершения первого этапа производительность уже соответствовала пиковой производительности, достигнутой другими группами исследователей, которые пытались присвоить естественные языковые метки химическим структурам.

Алекс Вилтшко, один из исследователей, работавших над проектом, признает, что есть несколько ограничений в их текущем подходе. Во-первых, ИИ может различать различия между химическими структурами, которые люди описали бы как одинаковые, называя два разных химических вещества «земляным» или «древесным» по природе, даже если ИИ классифицирует их по-разному. Другой проблемой классификатора является то, что он не различает хиральные пары, которые являются молекулами, являющимися зеркальными образами друг друга. Различные ориентации означают, что они имеют разные запахи, но модель в настоящее время не видит их как разные.

Исследовательская команда планирует устранить эти ограничения в своей будущей работе. Исследование еще имеет долгий путь, но это шаг к пониманию того, какие особенности молекул соответствуют нашему восприятию определенных запахов. Команда Google Brain не является единственной исследовательской командой, работающей над применением ИИ, направленным на распознавание запахов. Другие эксперименты ИИ, связанные со запахом, включают эксперименты IBM с парфюмами, сгенерированными ИИ, и эксперимент российских ученых по обнаружению потенциально токсичных смесей газа.