|
Искусственный интеллект получил нос
|
|
|
|
Ученые давно спорят о том, как именно рецепторы человеческого организма позволяют нам воспринимать широкий спектр запахов и давать им те или иные описания. В попытках решить эту проблему, командам инженеров со всего мира было предложено создать ИИ, который смог бы воспринимать запахи не хуже человека.
|
|
|
|
Предсказать цвет не так уж сложно: к примеру, если световая волна достигает длины 510 нм, то большинство людей скажут, что она зеленая. Но вот выяснить, как пахнет конкретная молекула, намного сложнее. 22 команды ученых создали набор алгоритмов, способных предсказать запахи различных молекул в зависимости от их химической структуры. Еще предстоит выяснить весь спектр практического применения программы, но разработчики надеются, что в первую очередь она поможет парфюмерам, фармацевтам и сотрудникам пищевой сферы разрабатывать новые, уникальные сочетания запахов.
|
 |
|
Работа началась с недавнего исследования, проведенного Лесли Воссхаллом и его коллегами из Рокфеллеровского университета в Нью-Йорке, в котором 49 добровольцев должны были угадать запах 467 пахучих веществ. Для каждого из них была разработана система сравнения из 19 базовых паттернов: испытуемые говорили, похож ли запах на рыбу или чеснок, оценивали интенсивность и индивидуальную приятность аромата. В итоге был создан каталог, насчитывающий более чем миллион ячеек, характеризующих те или иные пахучие молекулы.
|
|
|
|
Когда об этом узнал вычислительный биолог Пабло Мейер, то сразу увидел в исследовании возможность проверить, сможет ли компьютерная система предсказать то, как люди будут оценивать запахи. Несмотря на то, что исследователи обнаружили около 400 рецепторов запаха в организме человека, для ученых остается загадкой то, как именно они работают сообща так, чтобы человек мог различать даже легкие оттенки запахов. В 2015 году Мейер и его коллеги запустили DREAM Olfaction Prediction Challenge. Участники состязания получили в свое распоряжение те самые рейтинговые таблицы волонтеров, описывающие запахи, вместе с химической структурой молекул, которые их производят. Помимо этого, участником предоставили базу из 4800 описаний для каждой отдельной молекулы — ее атомы, их взаимное расположение, общую геометрию, что в итоге составило порядка 2 миллионов дата-точек. В итоге данные должны быть использованы для обучения компьютерных программ распознаванию запахов на основе структурной информации.
|
|
|
|
В конкурсе приняло участие 22 команды со всего мира, и, хотя хорошо поработали многие, две команды стоит выделить особо. Команда штата Мичиган, во главе с Йан Фан Гуаном, лучше всех смогла составить алгоритм прогнозирования запахов отдельных вещей. Другая команда из Аризонского университета, во главе с Ричардом Геркином, лучше всех смогла обучить программу средней оценке запахов среди всей выборки. Об этом Мейер сообщает в статье, опубликованной в журнале Science.
|
|
|
|
Конечно, многие ученые скептически относятся к разработкам, говоря о том, что проделанный труд хоть и вносит существенный вклад в науку, но все же является довольно примитивной подборкой, и 19 описательных элементов для всего спектра запахов в природе — это явно очень и очень мало. Альтернативные исследования с добровольцами использовали от 80 и больше подобных критериев, позволяющих на словах оценить различные запахи. Неясно, сможет ли существующий алгоритм корректно прогнозировать оценку запахов, если ему придется столкнуться с таким массивом информации. Так что, на сегодняшний день восприятие запахов остается загадкой как для медиков, так и для инженеров.
|
|
|
|
Источник
|
