هوش مصنوعی در بویایی: آیا با کمک هوش مصنوعی بوییدن گل رز ممکن خواهد شد؟
گروهی از پژوهشگران در دانشگاه کالیفرنیا، رویرساید (Riverside)، با بهره‌برداری از یادگیری ماشین برای درک مکانیزم شیمیایی بوییدن استفاده کردند. دستاوردهای غیره‌منتظره آنان، همچون انقلابی برای صنعت طعم‌دهی به غذاها و عطرسازی به شمار خواهد آمد. با عامراندبش همراه باشید تا در مورد این دستاورد جالب یادگیری ماشین بیشتر بدانید.
دستاورد هوش مصنوعی در بویایی چگونه خواهد بود
در واقع این الگوریتم دیجیتالی بر پایه پیش‌بینی درک فعالیت گیرنده‌های بویایی در بینی انسان کدنویسی شده‌اند. آناندازانکار ری (Anandasankar ray)، استاد سیستم‌های مولکولی و بیولوژی و نویسنده ارشد این مطالعه که در iScience اینگونه بیان نمود که: “اکنون ما می توانیم از هوش مصنوعی برای پیش‌بینی این موضوع که چگونه هر مواد شیمیایی بوی خاصی برای انسان دارد (Is going to be smell to human)، استفاده نماییم” وی همچنین ادامه داد که: “با استفاده از هوش مصنوعی در بویایی می‌توان مواد شیمیایی سمی یا خشن، به عنوان مثال، طعم‌دهنده‌ها، مواد آرایشی یا محصولات خانگی را می توان با مواد شیمیایی طبیعی، نرم و ایمن جایگزین کرد.”
قوه بویای انسان، توانایی شناسایی چیزی نزدیک به 400 بوهای گوناگون را دارد. گیرنده‌های بویایی همگی در بینی انسان وجود دارند. هر رایحه‌ای به دست مجموعه‌ای بی نظیر از مواد شیمیایی فعال می‌شود. خانواده بزرگ بوها و رایحه‌ها در کنار یکدیگر، فضای شیمیایی گسترده‌ای را نمایان می‌سازد. پرسش بنیادین در عمل استشمام اینجاست که چگونه گیرنده‌ها در دریافت‌های گوناگون این وِیژگی‌ها یا ادراک‌ها کمک‌کننده‌اند. براساس گفته‌ای پرفسور ری: “ما سعی کردیم با استفاده از هوش مصنوعی در بویایی، انفورماتیک شیمیایی و یادگیری ماشین، ادراکات بویایی انسان را مدل‌سازی کنیم. قدرت یادگیری ماشین در این است که توانایی ارزیابی شمار زیادی از ویژگی‌های شیمیایی بوهای مختلف، مانند بوی لیمو، بوی گل رز یا هر چیز دیگری را دارد. این الگوریتم تازه یادگیری ماشین می‌تواند بو و رایحه‌های تازه را پیش‌بینی کند، حتی اگر آن رایحه یا بو برای انسان در ابتدا ناشناخته باشد و یا برای او به درستی مشخص نباشد، که این بوی لیمو است یا گل رز. “
برپایه گفته‌های ری، هوش مصنوعی در بویایی پیش‌بینی می‌کند چگونه بوهای شیمیایی تازه، راهی جدید برای اولویت‌بندی‌های علمی می‌آفرینند. بدین معنا که بوهای مختلف در چه صنعتی کاربرد دارند: غذا، طعم‌دهندگان غذا و یا صنعت عطر و ادکلن.
ری همچنین ادامه داد که: “این دستاورد به ما این اجازه را می‌دهد تا با شتاب مواد شیمیایی را پیدا کنیم که ترکیبی تازه از بوها هستند. این فناوری در کشف مواد جدید که می‌توانند جایگزینی مناسب برای ترکیب‌های موجود نادر یا بسیار گران‌قیمت باشند، کمک‌کننده است. هوش مصنوعی در بویایی مولفه‌های بیشماری از رایحه‌ها را در اختیارمان قرار می‌دهد. این یعنی ما با برنامه‌هایی با بوهای گوناگون و ترکیبی خواهیم داشت. برای مثال، شما با این نرم‌افزار می‌توانید یک پشه‌کشی بیافرینید که در حالیکه به خوبی باعث کشته شدن پشه‌ها می‌شوند، اما در عین حال، بوی خوشایندی برای انسان دارد.
پژوهشگران برای اولین بار روشی را گسترش دادند که به رایانه آموزش دهد که چگونه ویژگی‌های شمیایی را بسازند که گیرنده‌های بوهای شناخته شده برای انسان را فعال می‌کند. سپس آنها تقریباً نیم میلیون ترکیب برای لیگاندهای تازه (مولکول‌هایی متصل به گیرنده‌ها) برای 34 گیرنده‌های رایحه و بو فراهم کردند. در دیگر مرحله، آنها بر این نکته متمرکز شدند که آیا این الگوریتم توانایی تخمین فعالیت گیرنده بوها و همچنین پیش‌بینی ویژگی‌های ادراکی این را رایحه‌ها را دارند یا خیر.
جوئل کوالاوسکی (Joel Kowalewski)، دانشجوی فارغ التحصیل علوم اعصاب و همکار پرفسور ری و نخستین نویسنده مقاله این چنین می‌گوید که: ” هوش مصنوعی در بویایی ممکن است به ما در درک بهتر کد نویسی ادراکی انسان کمک کنند. اینگونه به نظر می‌رسد که بخشی از این برنامه بر پایه ترکیبات رایحه‌های گوناگون باشد. ما از صدها ماده شیمیایی استفاده کردیم که پیش‌تر داوطلبان انسانی آنها را ارزیابی کرده بودند. رایحه‌هایی انتخاب شدند که بهترین ادراک‌های پیش‌بینی شده در بخشی از مواد شیمیایی بودند. همچنین رایحه‌هایی که پیش‌بینی کننده مواد تازه شیمیایی بودند را نیز، آزمایش کردیم.”
پرفسور ری و کوالاوسکی نشان دادند که الگوریتم هوش مصنوعی در بویایی تولید شده توسط آنان، 146 رایحه گوناگون را به درستی پیش‌بینی نمود. در کمال تعجب، برای پیش‌بینی برخی از مواد شیمیایی و ترکیبات، به رایحه‌های کمی توسط این الگوریتم ماشینی نیاز بود. از آنجا که آنها نتوانستند فعالیت نورون‌های حسی در انسان را ثبت کنند، آنها این آزمایش را بر روی مگس میوه (Drosophila melanogaster) انجام دادند. جالب است بدانید پیش‌بینی ماشین دقیقا مانند رفتار مگس (جذب برخی رایحه‌ها شدن و یا بیزاری از آنان) بود.
برپایه گفته‌های کوالاوسکی، اگر پیش‌بینی‌ها برپایه اطلاعات کمتری، پیروزمندانه باشد، وظیفه رمزگشایی بوهای گوناگون برای رایانه‌ها راحت‌تر و کارایی هوش مصنوعی در بویایی بسیار بهتر خواهد بود.
در ادامه پژوهش، پرفسور ری اینگونه توضیح می‌دهد که در ترکیبات شمار زیادی از آیتم‌های در دسترس مصرف‌کنندگان به منظور جذابیت بیشتر، از مواد شیمیایی فرار استفاده شده است. حدود 80% از طعم‌دهندگان غذا ناشی از بوهایی است که قوه بویایی را تحت تاثیر قرار می‌دهد. عطرهای خوشبوکننده لوازم آرایشی، مواد تمیز‌کننده و سایر کالاهای خانگی نقش مهمی در الگوی خرید و رفتار مصرف کننده دارند.
سخن آخر
براساس گفته‌های کوالاوسکی، رویکرد دیجیتال نوآورانه آنان با استفاده از یادگیری ماشین می تواند فرصت‌های بسیاری را در صنایع غذایی، طعم‌دهنگان مواد غذایی، و عطر و ادکلن و صنایع معطر باز کند. وی تاکید کرد که اکنون توانایی بی‌سابقه‌ای برای پیدا کردن لیگاند و طعم‌دهندگان تازه و رایحه‌های جدید را در اختیار دارند. وی همچنین ادامه داد که با استفاده از روش‌های محاسباتی و اعمال هوش مصنوعی در بویایی، قادر به طراحی هوشمندانه مواد شیمیایی فرار با بوی مطلوب برای استفاده نیز هستند که می‌توانند لیگاندهایی برای 34 بوی آشنا برای انسان را پیش‌بینی نمایند.
