Studiuesit trajnojnë një AI për të parashikuar erën e kimikateve

Një punim i fundit i publikuar nga studiuesit në Google Brain tregon se si studiuesit arritën të trajnojnë një AI për të parashikuar erën e objekteve, bazuar në strukturën e kimikateve të kaluara në rrjet. Siç raportohet nga Wired, studiuesit shpresojnë se puna e tyre mund të ndihmojë në zbardhjen e disa prej mistereve që rrethojnë shqisën e nuhatjes njerëzore, e cila është kuptuar dobët në krahasim me shqisat tona të tjera.

Dallimet midis aromave janë komplekse dhe një atom i vetëm që ndryshohet në një molekulë mund të ndryshojë një erë nga e këndshme në të pakëndshme. Është e vështirë për studiuesit të kuptojnë modelet që bëjnë që strukturat kimike të interpretohen nga shqisat tona të nuhatjes si të këndshme ose të neveritshme. Në të kundërt, modelet e spektrit elektromagnetik që duken si ngjyrë për sytë tanë janë shumë më lehtë të matshme, me shkencëtarët që janë në gjendje të bëjnë matje të sakta që do t'u tregojnë atyre se si do të duken gjatësi vale të caktuara të dritës.

Algoritmet e mësimit të makinerive shkëlqejnë në gjetjen e modeleve brenda të dhënave dhe për këtë arsye, studiuesit e AI janë përpjekur të përdorin mësimin e makinerive për të fituar një pasqyrë më të mirë se si aromat interpretohen nga truri i njeriut. Përpjekjet për të përdorur algoritmet e mësimit të makinerive për të përcaktuar sasinë e nuhatjes përfshijnë sfidën e parashikimit të nuhatjes së DREAM të kryer në vitin 2015. Disa studime morën të dhënat nga sfida dhe u përpoqën të gjeneronin përshkrime të gjuhës natyrore të aromave mono-molekulare.

Studimi i fundit, i botuar në Arxiv, katalogon Truri i Google përpjekjet e studiuesit për të përcaktuar sasinë e nuhatjes duke përdorur rrjetet nervore. Studiuesit përdorën një rrjet nervor grafik ose GNN. Rrjetet nervore grafike janë të afta të interpretojnë të dhënat e grafikut, të cilat janë struktura të dhënash të përbëra nga nyje dhe skaje. Grafikët zakonisht përdoren për të përfaqësuar rrjetet ose marrëdhëniet midis pikave individuale të të dhënave. Në kontekstin e një rrjeti social, një grafik do të kishte çdo person në rrjet të përfaqësuar nga një nyje ose kulm. Grafikë të tillë përdoren nga kompanitë e mediave sociale për të parashikuar njerëzit në pajisjet periferike të rrjetit tuaj aktual dhe për të sugjeruar miq të rinj.

Për qëllime të interpretimit të aromave, studiuesit trajnuan rrjetin në mijëra molekula, secila e përputhur me një përshkrues të gjuhës natyrore. GNN ishte në gjendje të interpretonte të dhënat dhe të merrte modele në strukturën e molekulave. Përshkruesit e përdorur nga studiuesit ishin fraza si "i ëmbël", "i tymosur" ose "druri". Përafërsisht dy të tretat e mbi 5,000 molekulave që u përpiluan nga studiuesit u përdorën për të trajnuar modelin, ndërsa e treta e mbetur u përdor për të testuar modelin.

Modeli që hulumtuesit trajnuan funksionoi aq mirë sa që sapo të përfundonte përsëritja e parë, performanca tashmë përputhej me performancën maksimale të arritur nga grupe të tjera studiuesish që u përpoqën t'u caktonin etiketat e gjuhës natyrore strukturave kimike.

Alex Wiltschko, një nga studiuesit që ka punuar në projekt, pranon se ka disa kufizime në qasjen e tyre aktuale. Për një, AI mund të dallojë ndryshimet midis strukturave kimike që njerëzit do t'i përshkruanin si të njëjta, duke i quajtur dy kimikate të ndryshme "tokë" ose "drurë" në natyrë, edhe pse AI i klasifikon ato ndryshe. Një çështje tjetër me klasifikuesin është se ai nuk bën dallimin midis çifteve kirale, të cilat janë molekula që janë imazhe pasqyruese të njëra-tjetrës. Orientimet e ndryshme nënkuptojnë se kanë aroma të ndryshme, por modeli aktualisht nuk i sheh ato si të ndryshme.

Ekipi hulumtues synon të adresojë këto kufizime në punën e tyre të ardhshme. Hulumtimi ka ende një rrugë të gjatë për të bërë, por është një hap drejt të kuptuarit se cilat veçori të një molekule korrespondojnë me perceptimin tonë për aromat e caktuara. Ekipi i Google Brain nuk është i vetmi ekip kërkimor që po punon në aplikacionet e AI që synojnë njohjen e aromave. Eksperimente të tjera të AI që përfshijnë aromën përfshijnë eksperimentet e IBM me Parfume të krijuara nga AI dhe një eksperiment nga shkencëtarët rusë për të zbuluar përzierjet potencialisht toksike të gazit.