Zapachy sprawiały dotychczas kłopot nawet algorytmom sztucznej inteligencji. Ale dwóm badaczom udało się stworzyć pierwowzór sztucznego nosa, który wyczuwa zapachy. Wzorowali się na działaniu mózgu

W naszych nosach, na powierzchni nabłonka węchowego znajduje się ponad czterysta różnych rodzajów receptorów. To spory problem obliczeniowy, bo liczba kombinacji kilku setek elementów jest astronomiczna. Na domiar złego, to, jaki receptor pobudzi dana cząsteczka jest niezwykle trudne do przewidzenia. Czasami bardzo subtelne zmiany budowy sprawiają, że związek pachnie zupełnie inaczej lub staje się bezwonny. Dla chemików to zagadka (w 2006 r. renomowany periodyk naukowy z dziedziny chemii „Angewandte Chemie” publikował pracę pod znamiennym tytułem „O nieprzewidywalności zapachu”).

O tych problemach – i próbach ich rozwiązania za pomocą algorytmów uczenia maszynowego – pisaliśmy w tekście „Perfumy od Google’a, czyli naszyny na tropie zapachów”. Ale być może to już przeszłość, a sztuczna inteligencja sprawi, że niedługo powstaną sztuczne nosy. Nie tak doskonałe jak psie, być może nawet gorsze niż ludzkie, ale nareszcie zdolne do wyczuwania i odróżniania zapachów.

Badacze (Thomas Cleland z nowojorskiego Cornell University i Nabil Imam z Intela) stworzyli bowiem sieć neuronową opartą o budowę opuszki węchowej mózgu ssaków, a dokładniej tej jej części, która odpowiada za rozróżnianie zapachów unoszących się w powietrzu (zwykle bowiem jest ich kilka lub więcej). Składa się ona z dwóch typów komórek: neuronów pobudzanych, kiedy nos wyczuje jakikolwiek zapach (komórek mitralnych) oraz drugiego rodzaju (komórek pędzelkowatych), które mogą ulegać specjalizacji i uczyć się rozpoznawania konkretnych związków chemicznych. Jak twierdzi Nabil Imam, algorytm naśladuje te procesy.

Wykorzystano do tego specjalnie zaprojektowany układ scalony Loihi. Takie układy, zwane neuromorficznymi, imitują działanie sieci neuronowych na poziomie elektroniki – to rodzaj chipu, który się uczy.

Neuromorficzny chip Intela – Loihi

Po dostarczeniu danych sieć neuronowa opracowana przez badaczy uczy się wzorca zapachu na podstawie sygnałów z czujników identyfikujących dany związek. Wzrost aktywności przypomina przy tym wzrost aktywności ludzkiego mózgu, twierdzi Imam.

Badacze stworzyli sieć neuronową opartą o budowę opuszki węchowej mózgu ssaków, a dokładniej tej jej części, która odpowiada za rozróżnianie zapachów unoszących się w powietrzu

Do wyuczenia danego zapachu sieć potrzebowała tylko jednego cyklu uczenia, po którym potrafiła już go zidentyfikować. Takich cykli uczenia badacze przeprowadzili dziesięć dla dziesięciu różnych zapachów. Tak przygotowany algorytm badacze przetestowali na sensorach umieszczonych w tunelu powietrznym. Udało się to w stu procentach w przypadku ośmiu z dziesięciu testowanych substancji, w pozostałych dwóch przypadkach sieć podawała trafne odpowiedzi w 90 proc. prób.

Badacze nauczyli swoją sieć rozpoznawania dziesięciu różnych związków chemicznych (w tym metanu, acetonu oraz szkodliwego amoniaku i bezwonnego dla ludzi, ale toksycznego tlenku węgla).

„Związek [odkrycia] z tym, jak działa opuszka węchowa wydaje się dość silny i algorytm może na pewnym stopniu ogólności odpowiadać temu, jak działa ludzki nos” – komentuje dla tygodnika „New Sciencist” Thomas Nowotny z brytyjskiego University of Sussex. Ale twierdzi, że do stworzenia urządzenia, które będzie „sztucznym nosem”, zdolnym na przykład do wykrywania materiałów wybuchowych, jeszcze długa droga. Gdy bowiem badacze zmniejszali stężenie substancji w tunelu powietrznym do jednej piątej, ich algorytm działał już tylko w 30 proc. przypadków. Nie jest więc jednak doskonały.

Ale badacze widzą w nim potencjał. W komunikacie prasowym na stronie Intela Imam mówi, że możliwe, iż powstaną roboty wyczuwające zanieczyszczenia, niektóre choroby na podstawie wydzielanych przez ciało zapachów, czy materiały wybuchowe na lotniskach.

Dodaje też, że zrozumienie tego, jak działają neurony w ludzkich „obwodach” pozwoli rozwiązać złożone problemy obliczeniowe i przyczyni się do usprawnienia sztucznej inteligencji.

Pracę opublikowano w „Nature Machine Intelligence”.

Skip to content