Forskare utvecklar AI-modell som kan skilja mellan olika lukter

Artificiell intelligens-forskare försöker alltid återskapa aspekter av mänskliga sinnen genom algoritmer. AI har använts för att dramatiskt förbättra datorseendeapplikationer under de senaste åren, och AI har också använts för att generera ganska imponerande ljudexempel, även skapa hela låtar i en artists stil. Nyligen lyckades ett team av forskare från University of California, Riverside skapa en AI som kan skilja mellan lukter baserat på den kemiska sammansättningen av lukten i fråga.

Enligt cell- och systembiologen vid UC Riverside, Anandasankar Ray, försökte forskarna basera sin AI-modell på hur människor uppfattar lukter. Den mänskliga näsan innehåller cirka 400 luktreceptorer (OR) som aktiveras när kemikalier kommer in i näsan. Olika OR aktiveras av olika kemikalieuppsättningar och tillsammans kan de upptäcka en stor mängd olika kemiska strukturer och familjer. Medan forskare känner till en hel del om hur OR upptäcker och tolkar de olika molekylerna i en lukt, är det mindre känt hur stimulansen som OR upptäcker översätts till en sensorisk upplevelse, eller percept, upplevelsen av att lukta på något.

Som Phy.org rapporterade, förklarade Ray att forskarna försökte modellera mänskliga lukter genom en kombination av maskinlärningsalgoritmer och kemisk informatik. Maskinlärningsalgoritmer kan analysera det stora antalet kemiska variabler, dra ut deras gemensamma strukturer och mönster och sedan lära sig att identifiera vilka kemikalier som kommer att ha vissa lukter. Efter att ha tränats kan algoritmerna så småningom förutsäga hur nya kemiska kombinationer kommer att lukta, även om data är omarkerad och det är okänt hur den kemiska lukten är.

Forskningsgruppen började med att skapa metoder som skulle tillåta en dator att bestämma vilka kemiska egenskaper som kunde aktivera OR. Därefter analyserade forskarna över en halv miljon kemiska föreningar för att hitta prover som kunde binda till 34 OR. Forskarna försökte sedan uppskatta de perceptuella egenskaperna hos de kemiska proverna med samma algoritm som användes för att förutsäga OR-aktivitet.

Forskningsgruppen fann att kombinationer av olika OR-aktiveringar tycktes ha ett samband med perceptuell kodning. Forskarna använde data som innehöll utvärderingar av kemikalier av mänskliga volontärer och valde OR som gav de bästa perceptförutsägelserna på en undergrupp av de kemiska proverna. De testade sedan om OR-aktiveringarna var förutsägbara för nya lukter.

Enligt forskarna kunde OR-aktiviteten användas för att korrekt förutsäga percepten för 146 olika kemikalier. Bara ett fåtal OR krävdes för att förutsäga percepten, inte alla OR. Forskarna bekräftade denna hypotes på flugor och lyckades förutsäga en aversion eller attraktion till olika lukter.

Ray förklarade att fördelen med att digitalisera lukter och förutsägelserna associerade med dem är att resultaten kan användas för att bestämma nya typer av kemikalier som kan användas vid skapandet av nya typer av dofter och livsmedel. AI kan användas för att hitta ersättningar som luktar liknande kemikalier som blir dyra eller sällsynta. Det kan också användas för att ersätta obehagliga lukter med kemikalier som är mer tilltalande för människor. Ray sa via Phys.org:

“Kemikalier som är giftiga eller hårda i, säg, smaker, kosmetika eller hushållsprodukter kan ersättas med naturliga, mjukare och säkrare kemikalier… Teknologin kan hjälpa oss upptäcka nya kemikalier som kan ersätta befintliga som blir sällsynta, till exempel, eller som är mycket dyra. Den ger oss en stor palett av föreningar som vi kan blanda och matcha för alla lukttillämpningar.”