Човекът притежава повече от 400 вида рецептори в носа си и се учи да различава миризмите от раждането си (снимка: CCO Public Domain)
Изследователи от Google се опитват да научат изкуствения интелект да разпознава миризми по молекулярната структура на веществата. Това е особено трудна задача, като се има предвид, че човекът има над 400 вида рецептори в носа си.
За разлика от цветовете, които лесно се идентифицират по дължината на вълната, определянето на миризмите е изключително нееднозначно. Често дори двама души могат да опишат един и същи аромат по различни начини, а какво остава за изкуствения интелект.
В структурата на молекулите има и така наречените хирални двойки – когато всички връзки и структури на атомите са едни и същи и се различават само в огледално отражение едни от други. Така например, ароматите на кер и мента не съвпадат, при една и съща структура на атомно ниво. Човек ще разграничи тази тънкост, но как да разбере това изкуственият интелект?
Изследователите на Google са разгледали около 5000 молекули с добре познато описание на ароматите – като „тропически”, „слаби”, „мазни” и т.н., и са ги използвали за 2/3 от изходните данни на пробата за обучение на изкуствен интелект.
Дълбокото машинно обучение е проведено в невронна мрежа от типа GNN (graph neural network). Въз основа на получения модел изкуственият интелект е идентифицирал самостоятелно останалата 1/3 от молекулите.
Google едва ли има илюзии относно приложимостта на AI платформите за точно идентифициране на миризми. Това е много труден за решаване проблем, като се има предвид, че човекът притежава повече от 400 вида рецептори в носа си и се учи да различава миризмите от раждането си.
Решаването на проблема с идентифициране на ароматите разкрива широки перспективи: от компютърно синтезиране на мирис до връщане на чувствителността към ароматите на хора, лишени от този лукс по една или друга причина.
Изследвания за разпознаване на миризми се провеждат в много страни по света. Google се надява научната общност да споделя най-новите модели и набори от данни, които прокарват пътя на цифровото разпознаване на аромати.