محققین نے AI ماڈل ڈیزائن کیا ہے جو مختلف بدبو کے ادراک کو پہچاننے کی صلاحیت رکھتا ہے۔

مصنوعی ذہانت کے محققین ہمیشہ الگورتھم کے ذریعے انسانی حواس کے پہلوؤں کو نقل کرنے کی کوشش کرتے رہتے ہیں۔ AI کو حالیہ برسوں میں ڈرامائی طور پر کمپیوٹر ویژن ایپلی کیشنز کو بڑھانے کے لیے استعمال کیا گیا ہے، اور AI کو کافی متاثر کن آڈیو نمونے بنانے کے لیے بھی استعمال کیا گیا ہے، یہاں تک کہ ایک فنکار کے انداز میں پورے گانے تخلیق کرنے کے لیے بھی۔ حال ہی میں، یونیورسٹی آف کیلیفورنیا، ریور سائیڈ کے سائنسدانوں کی ایک ٹیم کامیاب ہوئی۔ ایک AI بنائیں جو بو کو پہچاننے کے قابل ہو۔سوال میں بدبو کے کیمیائی میک اپ کی بنیاد پر ایک دوسرے سے۔

UC Riverside، Anandasankar Ray کے سیل اور سسٹمز بائیولوجسٹ کے مطابق، محققین نے اپنے AI ماڈل کی بنیاد اس بات پر قائم کرنے کی کوشش کی کہ انسان بو کو کیسے محسوس کرتے ہیں۔ انسانی ناک میں تقریباً 400 ولفیٹری ریسیپٹرز (ORs) ہوتے ہیں جو ناک میں کیمیکل داخل ہونے پر چالو ہوجاتے ہیں۔ مختلف ORs کیمیکلز کے مختلف سیٹوں کے ذریعے فعال ہوتے ہیں اور ایک ساتھ مل کر وہ مختلف کیمیائی ڈھانچے اور خاندانوں کی وسیع رینج کا پتہ لگانے کے قابل ہوتے ہیں۔ اگرچہ سائنس دان اس بارے میں کافی حد تک جانتے ہیں کہ کس طرح ORs کسی بدبو کے اندر مختلف مالیکیولز کا پتہ لگاتے ہیں اور ان کی تشریح کرتے ہیں، لیکن جو محرک ORs کا پتہ لگاتا ہے وہ کس طرح کسی چیز کو سونگھنے کے حسی تجربے، یا ادراک کا ترجمہ کرتا ہے۔

جیسا کہ Phy.org نے رپورٹ کیا۔، رے نے وضاحت کی کہ محققین نے مشین لرننگ الگورتھم اور کیمیکل انفارمیٹکس کے امتزاج کے ذریعے انسانی ولفیٹری تصورات کو ماڈل بنانے کی کوشش کی۔ مشین لرننگ الگورتھم بڑی تعداد میں کیمیکل متغیرات کا تجزیہ کرنے، ان کے عام ڈھانچے اور نمونوں کو باہر نکالنے، اور پھر یہ پہچاننا سیکھتے ہیں کہ کون سے کیمیکلز کی مخصوص بو ہوگی۔ تربیت حاصل کرنے کے بعد، الگورتھم آخرکار یہ پیشین گوئی کر سکتے ہیں کہ نئے کیمیائی امتزاج سے کیسے بو آئے گی یہاں تک کہ اگر ڈیٹا پر لیبل نہیں ہے اور یہ معلوم نہیں ہے کہ کیمیکل کی بو کیسے آتی ہے۔

تحقیقی ٹیم نے ایسے طریقے تیار کرکے شروع کیا جو کمپیوٹر کو یہ تعین کرنے کی اجازت دے گا کہ کون سی کیمیائی خصوصیات ORs کو چالو کرنے کے قابل ہیں۔ اس کے بعد، محققین نے نمونے تلاش کرنے کے لیے نصف ملین سے زیادہ کیمیائی مرکبات کا تجزیہ کیا جو 34 ORs سے منسلک ہونے کے قابل تھے۔ اس کے بعد محققین نے کیمیائی نمونوں کی ادراک کی خصوصیات کا اندازہ لگانے کی کوشش کی۔

تحقیقی ٹیم نے پایا کہ مختلف OR ایکٹیویشنز کے امتزاج کا ادراک کوڈنگ کے ساتھ تعلق ہے۔ محققین نے ایسے اعداد و شمار کا استعمال کیا جس میں انسانی رضاکاروں کے ذریعہ کیمیکلز کی تشخیص شامل تھی اور ORs کا انتخاب کیا جو کیمیائی نمونوں کے ذیلی سیٹ پر بہترین پیشن گوئی پیش کرتے ہیں۔ اس کے بعد انہوں نے جانچ کی کہ آیا OR ایکٹیویشن نئی خوشبوؤں کی پیش گوئی کر رہے تھے۔

محققین کے مطابق، OR سرگرمی کا استعمال 146 مختلف کیمیکلز کے تصورات کی صحیح پیش گوئی کرنے کے لیے کیا جا سکتا ہے۔ تصورات کی پیشن گوئی کرنے کے لیے صرف چند ORs کی ضرورت تھی، تمام ORs کی نہیں۔ محققین نے پھلوں کی مکھیوں پر اس مفروضے کی تصدیق کی اور مختلف خوشبوؤں سے نفرت یا کشش کی کامیابی کے ساتھ پیش گوئی کرنے میں کامیاب رہے۔

رے نے وضاحت کی کہ مہکوں اور ان سے وابستہ پیشین گوئیوں کو ڈیجیٹائز کرنے کا فائدہ یہ ہے کہ نتائج کو نئے قسم کے کیمیکلز کا تعین کرنے کے لیے استعمال کیا جا سکتا ہے جو نئی قسم کی خوشبوؤں اور کھانے کی اشیاء کی تخلیق میں استعمال ہو سکتے ہیں۔ AI کا استعمال ایسے متبادلات کو تلاش کرنے کے لیے کیا جا سکتا ہے جو کیمیکلز جیسی بو آتی ہیں جو مہنگے یا نایاب ہوتے جا رہے ہیں۔ اس کا استعمال ناخوشگوار مہکنے والے مرکبات کو کیمیکلز سے تبدیل کرنے کے لیے بھی کیا جا سکتا ہے جو انسانوں کے لیے زیادہ پرکشش ہیں۔ رے نے Phys.org کے ذریعے بتایا:

"وہ کیمیکل جو کہ ذائقوں، کاسمیٹکس، یا گھریلو مصنوعات میں زہریلے یا سخت ہوتے ہیں، انہیں قدرتی، نرم اور محفوظ کیمیکلز سے تبدیل کیا جا سکتا ہے… ٹیکنالوجی ہمیں ایسے نئے کیمیکلز دریافت کرنے میں مدد کر سکتی ہے جو موجودہ کیمیکلز کی جگہ لے سکتے ہیں جو نایاب ہو رہے ہیں، مثال کے طور پر۔ ، یا جو بہت مہنگے ہیں۔ یہ ہمیں مرکبات کا ایک وسیع پیلیٹ فراہم کرتا ہے جسے ہم کسی بھی ولفیٹری ایپلی کیشن کے لیے مکس اور میچ کر سکتے ہیں۔