یک سیستم هوش مصنوعی جدید میتواند بوها را بهتر از انسان تجزیه و تحلیل کند و پژوهشگران میگویند در ۵۳ درصد از ۴۰۰ ترکیب مورد بررسی از انسان بهتر عمل کرد.
به گزارش ایسنا به نقل از آیای، وقتی صحبت از علوم اعصاب میشود، یک جنبه مهم آن درک این است که چگونه حواس ما نور را به بینایی، موسیقی را به شنوایی، غذا را به طعم و بافت را به لمس ترجمه میکند. با این حال، اطلاعات مربوط به روابط حسی در مورد بویایی، پژوهشگران را برای مدتی طولانی گیج کرده است.
انسانها بوی گلها را مطبوع و بوی غذای فاسد شده را به خاطر وجود پروتئینهای موجود در بینی به نام گیرندههای بو، آزاردهنده میدانند. با این حال، اطلاعات کمی در مورد چگونگی جذب مواد شیمیایی و تبدیل آنها به عطر و رایحه توسط این گیرندهها وجود دارد.
پژوهشگران مرکز حواس شیمیایی مونل و استارتآپ Osmo مستقر در کمبریج ماساچوست برای درک این پدیده، رابطه بین سیستم ادراک بویایی مغز و مواد شیمیایی موجود در هوا را بررسی کردند.
این پژوهش منجر به این شد که دانشمندان یک مدل یادگیری ماشینی ابداع کردند که اکنون میتواند بوی ترکیبات را با مهارت در سطح انسانی به صورت شفاهی توصیف کند.
جزئیات این مطالعه در مجله «ساینس»(Science) منتشر شده است.
تلاش گسترده
حدود ۴۰۰ گیرنده بویایی فعال در انسان وجود دارد. این پروتئینهای عصب بویایی با مواد شیمیایی موجود در هوا ارتباط برقرار میکنند تا سیگنالی را به صورت الکتریکی به پیاز بویایی ارسال کنند.
به گفته این پژوهشگران، تعداد گیرندههای بویایی بسیار بیشتر از چهار گیرندهای است که برای بینایی رنگ یا ۴۰ گیرنده موجود برای چشایی استفاده میشود.
جوئل مینلند، یکی از نویسندگان ارشد این پژوهش و عضو مرکز مونل در بیانیهای گفت: در تحقیقات بویایی، این سؤال که چه ویژگیهای فیزیکی باعث میشود بوی مولکولهای موجود در هوا توسط مغز درک شود، همچنان یک معما باقی مانده است. بنابراین گروه ما برای درک رابطه بین نحوه شکلگیری مولکولها و نحوه درک ما از بوی آنها کار کرد.
این گروه پژوهشی مدلی را ایجاد کرده که میتواند یاد بگیرد که توصیفات از بوی یک مولکول را با ساختار مولکولی بو مرتبط کند.
یک مجموعه داده تجاری حاوی ترکیب مولکولی و ویژگیهای بویایی ۵۰۰۰ ماده خوشبو کننده شناخته شده برای آموزش این سیستم استفاده شد. شکل یک مولکول به عنوان ورودی برای الگوریتم عمل میکند که پیشبینی میکند کدام کلمهها میتوانند عطر مولکول را به بهترین شکل توصیف کنند.
علاوه بر این، پژوهشگران برای اطمینان از کارایی این مدل، یک روش اعتبارسنجی کور اجرا کردند که در آن گروهی از شرکتکنندگان آموزشدیده پژوهش، مولکولهای جدید را توصیف کردند و سپس پاسخهای آنها را با توضیحات هوش مصنوعی مقایسه کردند.
به ۱۵ شرکت کننده هر کدام ۴۰۰ ماده خوشبو کننده داده شد و آموزش داده شد تا از مجموعهای متشکل از ۵۵ کلمه - از بوی نعناع تا بوی کپک - برای توصیف هر مولکول استفاده کنند.
نتایج چشمگیر
نهایتا مشاهده شد که مدل هوش مصنوعی در توصیف رایحهها ۵۳ درصد نسبت به انسانها بهتر عمل میکند.
این مدل حتی در ویژگیهای بویایی که برای آنها آموزش ندیده بود نیز موفق عمل کرد.
مینلند میگوید: تعجب برانگیز بود که ما هرگز آن را برای یادگیری و توصیف قدرت بو آموزش ندادیم، اما با این وجود میتوانست پیشبینیهای دقیقی انجام دهد.
این مدل توانست طیف وسیعی از ویژگیهای بو، از جمله شدت بو را برای ۵۰۰ هزار مولکول رایحه اندازهگیری کند و صدها جفت از ترکیبات ساختاری متفاوت را پیدا کند که بوهای مشابهی داشتند.
مینلند میگوید: ما امیدواریم این نقشه برای پژوهشگران شیمی، علوم اعصاب بویایی و روانفیزیک به عنوان ابزاری جدید برای بررسی ماهیت حس بویایی مفید باشد.
ژوهشگران فکر میکنند که نقشهی برآمده از این مدل هوش مصنوعی میتواند براساس متابولیسم نیز تنظیم شود که نشان دهنده تغییر قابل توجهی در نحوه درک رایحهها توسط دانشمندان است.
به عبارت دیگر، بوهایی که از نظر ادراکی شبیه به یکدیگر هستند، احتمالاً مسیر متابولیکی یکسانی دارند. در حال حاضر، دانشمندان ترکیبات را مانند شیمیدانان طبقهبندی میکنند. برای مثال، با پرسیدن اینکه آیا یک مولکول دارای یک اِستر یا یک حلقه معطر است.
به گفته پژوهشگران، این مطالعه به نزدیکتر شدن جهان به دیجیتالی کردن بوها برای ثبت و بازتولید آنها کمک میکند. همچنین میتواند بوهای جدیدی را برای صنعت عطر و طعم شناسایی کند که نه تنها میتواند وابستگی به گیاهان در معرض خطر انقراض را کاهش دهد، بلکه عطرهای کاربردی جدید را نیز برای استفادههایی نظیر دافع پشهها یا پوشاندن بوی بد شناسایی کند.
این گروه سپس میخواهد دریابد که چگونه بوها با یکدیگر ترکیب میشوند تا عطری تولید کند که مغز انسان آن را به عنوان رایحهای کاملاً متمایز از هر خوشبو کننده دیگری درک کند.
پاسخ ها