Araştırmacılar Bir AI’ı Kimyasalların Kokusunu Tahmin Etmek için Eğitti

Google (GOOGL ) Brain’deki araştırmacılar tarafından yayınlanan recent bir makale, araştırmacıların bir AI’ı nesnelerin kokusunu, ağa geçirilen kimyasalların yapısına dayanarak tahmin etmeye nasıl eğittiklerini gösteriyor. Wired tarafından bildirildiği üzere, araştırmacılar, çalışmalarının, insan kokusu algısının bazı gizemlerini çözmeye yardımcı olabileceğini umuyorlar, ki bu, diğer duyularımızla karşılaştırıldığında kötü bir şekilde anlaşılmaktadır.

Kokular arasındaki farklar karmaşıktır ve bir moleküldeki tek bir atomun değiştirilmesi, bir kokuyu hoşrendirici’den hoş olmayan’a değiştirebilir. Araştırmacılar, kimyasal yapıların neden bizim koku duyularımız tarafından hoş veya itici olarak yorumlandığını anlamakta zorlanırlar. Buna karşılık, gözlerimize görünen renk olarak ortaya çıkan elektromanyetik spektrumun kalıpları, bilim adamlarının belirli dalga boylarının nasıl görüneceğini söyleyen kesin ölçümler yapmalarını sağlar.

Makine öğrenimi algoritmaları, verilerdeki kalıpları bulmada exceller ve bu nedenle, AI araştırmacıları, kokuların insan beyni tarafından nasıl yorumlandığını daha iyi anlamak için makine öğrenimi kullanmaya çalıştılar. Kokuyu nicelendirme amacıyla makine öğrenimi algoritmalarını kullanma girişimleri arasında, 2015 yılında gerçekleştirilen DREAM Olfaction Prediction Challenge yer alıyor. Birkaç çalışma, challenge’dan alınan verileri aldı ve mono-moleküler kokuların doğal dil açıklamalarını üretmeye çalıştı.

Arxiv’de yayınlanan recent çalışma, Google Brain araştırmacılarının kokuyu nicelendirme girişimlerini katalogluyor. Araştırmacılar, bir Grafik Sinir Ağı veya GNN kullandılar. Grafik Sinir Ağları, düğüm ve kenarlardan oluşan veri yapıları olan grafik verilerini yorumlayabilme yeteneğine sahiptir. Grafikler, genellikle ağlar veya bireysel veri noktaları arasındaki ilişkileri temsil etmek için kullanılır. Bir sosyal ağ bağlamında, bir grafik, sosyal ağınızın çevresindeki insanları temsil eden bir düğüm veya köşe ile temsil edecektir. Bu tür grafikler, sosyal medya şirketleri tarafından, ağınızın çevresindeki insanları tahmin etmek ve yeni arkadaşlar önermek için kullanılır.

Kokuları yorumlamak amacıyla, araştırmacılar ağı, her biri doğal dil tanımlayıcısı ile eşleştirilmiş binlerce molekülle eğitti. GNN, verileri yorumlayabildi ve moleküllerin yapısında kalıpları yakalayabildi. Araştırmacılar tarafından kullanılan tanımlayıcılar, “tatlı”, “dumanlı” veya “ahşap” gibi ifadelerdi. Derlenen 5.000’den fazla molekülün yaklaşık iki-thirds’i modeli eğitmek için kullanıldı, kalan üçte biri ise modeli test etmek için kullanıldı.

Araştırmacıların eğittiği model o kadar iyi çalıştı ki, ilk iterasyon tamamlandıktan sonra, performansı, diğer araştırmacı gruplarının kimyasal yapılara doğal dil etiketleri atamaya çalıştığı performansın zirvesine ulaştı.

Projede çalışan araştırmacılar arasında yer alan Alex Wiltschko, mevcut yaklaşımın bir couple sınırlamaları olduğunu kabul ediyor. Birincisi, AI, insanların aynı olarak tanımlayacağı kimyasal yapılar arasındaki farkları ayırt edebilir, iki farklı kimyasalı “toprak” veya “ahşap” olarak sınıflandırabilir, ancak AI onları farklı şekilde sınıflandırabilir. Sınıflandırıcının bir diğer sorunu, kiral çiftleri arasında ayrım yapmamasıdır, bunlar birbirlerinin ayna görüntüleridir. Farklı yönler, farklı kokular anlamına gelir, ancak model şu anda onları farklı olarak görmez.

Araştırma ekibi, bu sınırlamaları gelecekteki çalışmalarında ele almayı amaçlıyor. Araştırma, still has a long way to go, ancak kokunun belirli özelliklerinin bizim koku algımıza karşılık geldiğini anlamak için bir adımdır. Google Brain ekibi, kokuyu tanıma amacıyla AI uygulamaları üzerinde çalışan tek araştırma ekibi değil. Diğer AI deneyleri arasında, IBM’nin AI tarafından oluşturulan parfümlerle yaptığı deneyler ve Rus bilim adamlarının potansiyel olarak toksik gaz karışımlarını tespit etmeye yönelik deneyleri yer alıyor.