Навчити комп’ютер розрізняти запах – чи впорається з цією задачею ШІ?

Автор статті: професор статистики Мічиганського університету – Амбудж Теварі

Опубліковано: 30 квітня 2024 14:15 за Київським часом.

Майже сторіччя тому Александр Грем Бел заохотив читачів «National Geographic» ризикнути і зробити щось зовсім нове – заснувати незнану до цього науку. Учений зазначив, що науки, які ґрунтуються на обчисленнях звуку та світла, уже давно існують, в той час як аромат не мав своєї власної науки. Отож Бел і запропонував своїм читачам «виміряти запах».

Сучасні смартфони, що ховаються в кишенях своїх користувачів, володіють низкою вмонтованих можливостей. Вони працюють, завдячуючи знанням про звук та світло, завдяки яким світ отримав голосових помічників, функцію розпізнавання обличчя і редагування світлин, у той час як наука про запах і близько не може запропонувати нічого подібного. Втім, наразі ця ситуація змінюється завдяки комп’ютерному або «цифровому» розпізнаванню запахів. Можливо, ці нововведення є саме тією річчю, якої хотів досягти пан Бел.

Дослідження комп’ютерного розпізнавання запахів протікають не легко, а все тому, що процес людського нюху є надзвичайно тонким. Якщо людський зір переважно залежить від роботи рецепторних клітин у сітківці очей – паличок і трьох типів колбочок, то людина має здатність відчувати запах завдяки близько 400 типам рецепторних клітин у носі.

Комп’ютерне ж розпізнавання запаху починається з роботи сенсорів, які вловлюють і розпізнають молекули в повітрі. Ці сенсори виконують ту саму роль, що і рецептори в людському носі.

Проте для того щоб залишатися людині корисним, комп’ютерне розпізнавання запаху має вийти на новий щабель. Система повинна знати, як для людини пахне певна молекула або їхнє скупчення. Для цього цифрове розпізнавання запахів повинне навчатися по-цифровому.

Застосування машинного навчання до запаху

Машине навчання, включаючи й такий тип навчання як «глибокий», лежать в основі видатних досягнень технологічного прогресу, наприклад, розроблення голосового помічника і функції розпізнавання обличчя.

Тому навіть зараз, коли мова йде про цифрове зчитування запаху, машинне навчання є ключовим. У такий спосіб комп’ютер може навчитися складати текстовий опис запаху завдяки створенню моделі молекулярної структури сполук. Модель, за якою вчиться комп’ютер, дозволяє йому вчити слова, такі як «солодкий», і «десерт». Це самі ті лексичні одиниці, які людина використовує, аби описати свої відчуття, коли стикається із певними сполуками, що викликають запах – наприклад, ванілін.

Однак машинне навчання потребує значно більших наборів даних. У мережі існує просто незбагненна кількість аудіо-, відео- та фотоматеріалів, за допомогою яких можна тренувати системи штучного інтелекту розрізняти світлини та звуки. Проте водночас цифрове розпізнавання запаху стикається з проблемою нестачі матеріалів для покращення уже тривалий час. Така проблема частково зумовлена нездатністю людини описати запахи словами так само легко й зрозуміло, як у випадку картинок і звуків. Без доступу до нескінченного набору даних в мережі, дослідники не можуть розробити потужні моделі для машинного навчання.

Однак вже у 2015 році ситуація змінилась, позаяк дослідники запустили проєкт «Виклик Прогнозування Запаху DREAM» («DREAM Olfaction Prediction Challenge»). Конкурс опублікував дані, зібрані біологами Андреаc Келлером і Леслі Воcшал, які вивчають людський нюх. Вони запросили команди з різних куточків світу запропонувати свої власні моделі машинного навчання. Моделі учасників мали передбачити лексичні одиниці на позначення запахів таких як «солодкий», «квітковий» і «фруктовий» на основі сполук, що викликають запах, і їхній молекулярній структурі.

Про моделі, що впоралися із цим завданням найбільш точно, написали в статті журналу «Science» 2017 року. Тоді переміг класичний прийом машинного навчання під назвою «випадковий ліс», що поєднує в собі результат одразу декількох рішень на блок-схемах.

Я – дослідник машинного навчання, зацікавлений у його застосуванні в царинах психіатрії та хімії. «Dream» припав мені до душі – я відчув особистий зв’язок із цим проєктом. Коріння моєї сім’ї тягнеться з Індії, маленького містечка Каннаудж, що славиться своїм званням «парфумерної столиці». До того ж мій батько працює хіміком і присвятив більшу частину своєї кар’єри аналізу геологічних зразків. Таким чином комп’ютерне розпізнавання запаху зуміло поєднати в собі парфумерію, культуру, хімію і машинне навчання, а повз таке поєднання пройти вже просто неможливо.

Прогрес у дослідженні цифрового розпізнавання запаху почав стрімко набирати оберти після завершення проєкту «DREAM». Під час пандемії COVID-19, багато людей почали скаржитися на втрату смаку і нюху. Відчуття запаху, якому зазвичай не приділяли уваги, тепер вийшло на передній план. Крім цього дослідницький проєкт «Parfyme Project» значно розширив набір даних, які відтепер були доступні у відкритому доступі.

Вдихаємо на повні груди

До 2019 року найбільші бази даних з машинного навчання могли розпізнавати вже не 500 молекул, як під час проєкту «DREAM», а цілих 5000. Дослідницькій команді Google, очолюваній Александром Вілчко, нарешті вдалося провести справжню революцію у царині комп’ютерного розпізнавання запаху. Їхня модель, заснована на типі глибокого навчання під назвою графічні нейронні мережі, зумовила небачені до цього результати. Наразі Вілчко є засновником і генеральним директором компанії «Osmo», яка ставить перед собою задачу «оживити нюхові рецептори комп’ютера».

Нещодавно Вілчко разом зі своєю командою скористалися графічними нейронними мережами, щоб побудувати «основну мапу запаху». За мапою схожі запахи розміщувалися один до одного ближче, в той час як відмінні розташовувалися подалі. Проте реалізувати цю задачу було аж ніяк не просто. Навіть найменші зміни у молекулярній структурі можуть призвести до чималих змін у зчитуванні запаху. При цьому дві молекули із принципово різними структурами можуть, тим не менш, пахнути майже однаково.

Торування шляху в бік загадки під назвою «запах», збуджує нейрони в мозку від очікування нових відкриттів. Завдяки покращенню знань у галузі дослідження запаху, розроблятимуться новітні хімічні сенсори, відкриються нові перспективи у виготовленні персоналізованих парфумів і покращених засобів по відлякуванню комах; розпізнавати захворювання на їхніх ранніх стадіях стане легше, а досвід доповненої реальності стане більш реалістичним. Майбутнє комп’ютерного зчитування запаху просто виблискує яскравими перпективами. Проте не варто забувати, що і пахне воно, крім того, пречудово.

Джерело:

https://theconversation.com/ai-is-cracking-a-hard-problem-giving-computers-a-sense-of-smell-221731

Статтю підготував студент 4-го курсу Національного технічного університету України “Київський політехнічний інститут імені Ігоря Сікорського” – Марков Микита, група ЛА-01