Yapay Zeka Kimyasalların Bir İnsana Nasıl Kokacağını Tahmin Ediyor


Araştırmacılar, soluduğumuz moleküllerin kimyasal yapısının kokladığımız şeyi etkilediğini uzun zamandır biliyorlar. Ancak çoğu durumda, kimse tam olarak nasıl olduğunu çözemez. Bilim adamları, burun ve beynin havadaki bir molekülü özelliklerine göre nasıl algıladıklarını yöneten birkaç özel kuralı deşifre ettiler. Bazı kükürt içeren bileşikleri, örneğin sarımsak kokusu ve bazı amonyak türevli aminleri balık kokusu olarak çabucak tanıdığımız netleşti. Ama bunlar istisna.

Yapısal olarak ilgisiz moleküllerin benzer kokulara sahip olabileceği ortaya çıktı. Örneğin, hidrojen siyanür ve daha büyük, halka şeklindeki benzaldehit, badem gibi kokar. Bu arada küçük yapısal değişiklikler – hatta bir çift bağın yerini değiştirmek bile – bir kokuyu önemli ölçüde değiştirebilir.

Bu şaşırtıcı kimyayı anlamak için araştırmacılar yapay zekanın hesaplama gücüne yöneldiler. Şimdi bir ekip, koku moleküllerinin kimyasal özelliklerine dayanarak bir bileşiğin bir kişiye nasıl kokacağını (gül, şifalı, topraksı vb.) bilgisayar modeli yeni kokuları insanlar kadar güvenilir bir şekilde değerlendirdiaraştırmacılar, ön baskı deposuna gönderilen yeni bir taslak kağıtta rapor veriyorlar. bioRxiv.

Google Research’teyken dijital koku alma ekibine başkanlık eden Google’ın girişim sermayesi şirketi GV’de Alex Wiltschko, “Aslında dünyanın nasıl koktuğu ve koku almanın nasıl çalıştığı hakkında temel bir şey öğrendim, bu beni hayrete düşürdü” diyor.

Ortalama bir insan burnu, potansiyel olarak çok sayıda havadaki moleküle bağlanabilen yaklaşık 350 tip koku alma reseptörü içerir. Bu reseptörler daha sonra beynin daha sonra bir kahve, benzin veya parfüm kokusunu yorumladığı nöronal sinyalleri başlatır. Bilim adamları bu sürecin geniş anlamda nasıl çalıştığını bilseler de, koku alıcılarının kesin şekli veya sistemin bu karmaşık sinyalleri nasıl kodladığı gibi birçok ayrıntı hala onlardan kaçıyor.

Her biri içerdiği koku örneğinin siyah etiketine sahip beyaz kapaklı şişeler.
Bilinen çeşitli kokulardan oluşan bir “koku referans kiti”. Kredi bilgileri: Joel Anakara

Columbia Üniversitesi’nde koku alma nörobilimcisi olan Stuart Firestein, modeli “hesaplamalı biyolojinin bir tur de force çalışması” olarak adlandırıyor. Ancak, pek çok makine öğrenimi temelli çalışma için tipik olduğu gibi, gazetede yer almayan Firestein, “bence, size hiçbir zaman işlerin nasıl yürüdüğüne dair daha derin bir fikir vermez” diyor. Eleştirisi, teknolojinin doğasında var olan bir özellikten kaynaklanıyor: bu tür sinir ağları genellikle yorumlanamaz, yani insan araştırmacıları bir modelin bir sorunu çözmek için kullandığı mantığa erişemez.

Dahası, bu model sinir sisteminin esrarengiz işleyişini atlıyor, bunun yerine moleküller ve kokular arasında doğrudan bağlantılar kuruyor. Yine de, Firestein ve diğerleri onu koku duyusunu ve onun kimya ile olan dolu ilişkisini incelemek için potansiyel olarak yararlı bir araç olarak tanımlıyorlar. İlgili araştırmacılara göre, model aynı zamanda koku evrenini tanımlamak için daha kesin, sayılara dayalı bir araca doğru bir hareketi temsil ediyor ve sonunda bu anlamı dijital dünyaya getirebileceğini umuyorlar.

Şimdi bu teknolojiyi ticarileştirmeyi araştıran Wiltschko, “Bilgisayarların görebildiği, duyabildiği, koklayabildiği bir geleceğe derinden inanıyorum” diyor.

Bir süredir araştırmacılar, koku alma duyusunu araştırmak için hesaplamalı modelleme kullanıyorlar. 2017’de yayınlanan bir makalede, bir kitle kaynaklı rekabet, şunları yapabilen bir model oluşturdu: moleküler yapıları bazı etiketlerle eşleştirme“tatlı”, “yanmış” ve “çiçek” de dahil olmak üzere – kokularını insanların yaşadıklarıyla tanımlar. Yeni takip çalışmasında, Wiltschko’nun ekibi, modelini, atomlarının özellikleri ve aralarındaki bağlar da dahil olmak üzere, iyi çalışılmış yaklaşık 5.000 molekülden gelen verilerle eğitti. Sonuç olarak, model son derece karmaşık bir koku “haritası” oluşturdu. Konumları iki boyutta çizen geleneksel bir kağıt haritanın aksine, model koku moleküllerini 256 boyuta dayalı “konumlara” yerleştirdi; bu, algoritmanın moleküller arasında ayrım yapmak için kullanabileceğini belirledi.

Koku haritasının bir gösterimi (misk, zambak, lahana ve üzüm)
Koku haritasının bir örneği. Kredi bilgileri: Alexander B. Wiltschko

Bu haritanın gerçek insan algısına uyup uymadığını görmek için Wiltschko’nun ekibi, Monell Chemical Senses Center’da koku alma nörobilimcisi olan Joel Mainland’ye döndü. “Burada başarıyı tanımlamak, ‘Bir şeyin nasıl koktuğunu nasıl tanımlarsınız?’ konusunda biraz zor” diyor Mainland. “Ne [the fragrance] endüstrinin yaptığı – ve bizim burada yaptığımız – temel olarak bir grup insanı bir araya getiriyorsunuz ve onlar bunun nasıl koktuğunu anlatıyorlar.”

İlk olarak, Anakara ve diğerleri kokuları belgelenmemiş bir dizi molekülü tanımladılar. En az 15 eğitimli çalışma katılımcısı, her birini kokladı. Koku algıları genetik farklılıklar, kişisel deneyimler ve tercihler sayesinde kişiden kişiye önemli ölçüde farklılık gösterebileceğinden, araştırmacılar katılımcıların değerlendirmelerinin ortalamasını aldı ve bu ortalamayı modelin tahminleriyle karşılaştırdı. Moleküllerin yüzde 53’ü için, modelin panelin ortalamasına tipik bireysel panelistin yaptığından daha yakın olduğunu buldular – bu performansın önceki etiket tabanlı modeli aştığını söylüyorlar.

Yeni model, tek moleküller verildiğinde insan koku algısını taklit edebildiğini kanıtlamış olsa da, gerçek dünyada o kadar iyi sonuç vermezdi. Güllerden sigara dumanına kadar çoğu koku karışımdır. Ayrıca ekip, yeni modeli, hoş kokulara yönelen ve itici kokulardan uzaklaşan parfümeri verilerini kullanarak eğitti.

Bu sınırlamalara rağmen, model, örneğin, az çalışılmış kötü kokuları belirlemek veya moleküler yapıdaki ince ayarların algıyı nasıl değiştirdiğini test etmek isteyen araştırmacılara rehberlik ederek koku kimyasıyla ilgilenenlere hala yardımcı olabilir. Ve koku kimyagerleri, parfüm formüllerini rafine ederken veya potansiyel yeni bileşenleri belirlerken ona danışabilirler.

Wiltschko’nun ekibi, bir kimyasalın yapısı ile insanların ve diğer canlıların onun kokusunu nasıl algıladıkları arasındaki bağlantı hakkındaki bir teoriyi test etmek için modeli zaten kullandı. Ağustos ayında bioRxiv’de yayınlanan başka bir önbaskı makalesinde, araştırmacılar bir hayvanın metabolizmasının – gıdayı enerjiye dönüştürmek gibi yaşamını sürdüren kimyasal süreçlerin – açıklamayı tutabileceğini öne sürüyorlar. Bir veri tabanından, kokuları uyandırdığı tahmin edilen metabolik bileşikleri seçtiler ve koku haritası modellerini kullanarak molekülleri analiz ettiler. Ekip, metabolik reaksiyonlarda yakından ilişkili roller oynayan moleküllerin aynı kokuya meyilli, yapı olarak farklılık gösterseler bile. Bu ayrı önbaskı belgesinin ortak yazarı olmayan ancak projede ekibe danışan Mainland, bulguyu “gerçekten heyecan verici” olarak nitelendiriyor. “Sadece bazı sorunları çözen bir model inşa etmiyoruz” diyor. “Bütün bunların altında yatan mantığın ne olduğunu bulmaya çalışıyoruz.”

Model ayrıca talep üzerine belirli kokuları kaydeden veya üreten yeni teknolojinin kapısını da açabilir. Wiltschko, ekibinin çalışmasını, insan koku algısının “tam bir haritasına” doğru bir adım olarak tanımlıyor. Son versiyon, görünür renkleri haritalayan Uluslararası Aydınlatma Komisyonu tarafından tanımlanan “renk uzayı” ile karşılaştırılabilir. Bununla birlikte, çalışmalarda yer almayan Oxford Üniversitesi’nde bilişsel bilim profesörü Asifa Majid, yeni koku alma haritasının aksine, renk uzayının kelimelere dayanmadığını belirtiyor. Majid, insan duyusal algısını planlamak için bir temel olarak dilin kullanımını sorgular. “Farklı dilleri konuşanların dünyaya farklı gönderme biçimleri vardır ve kategoriler her zaman tam olarak tercüme edilmez” diyor. Örneğin, İngilizce konuşanlar genellikle bir kokuyu kahve veya tarçın gibi potansiyel bir kaynağa atıfta bulunarak tanımlarlar. Ancak Malezya’da ve Tayland’ın bazı bölgelerinde konuşulan yerli bir dil olan Jahai’de, 12 temel koku kelimesinden oluşan bir kelime hazinesi seçilir.

Majid, bunu doğrulamak için ampirik araştırmalar olmadan “bu çalışmanın diğer dillere nasıl ölçekleneceğini bilmiyoruz” diyor. Teorik olarak, araştırmacılar, kokuları karşılaştırmaları istendiğinde panelistlerin tepki sürelerini ölçerek etiketsiz kokuları tanımlayabilirlerdi: benzer kokuları ayırt etmek daha zordur, dolayısıyla katılımcıların bunu yapmak için daha fazla zamana ihtiyacı vardır. Ancak Anakara’ya göre, bu davranışsal yaklaşım çok daha az gerçekçi oldu. Model, koku evreninin organizasyonu hakkında temel bir şey öğrendiği için, haritanın dünyanın başka yerlerinde de uygulanabilir olmasını beklediğini söylüyor.

İnsanların koku algısını kelimelere dayanmadan incelemek mümkün olsa da, araştırmacılar bu deneyimleri çok önemli bir evrensel dilde temsil etme yeteneğinden hala yoksundur: sayılar. Araştırmacılar, renk uzayı koordinatlarının veya onaltılık kodların (renkleri kırmızı, yeşil ve mavi olarak kodlayan) koku alma eşdeğerlerini geliştirerek, kokuları yeni bir kesinlikle tanımlamayı ve belki de sonunda onları dijitalleştirmeyi amaçlıyor.

İngiltere’deki Hertfordshire Üniversitesi’nde koku alma üzerine araştırma yapmak için kimyasal bilişim kullanan ve çalışmalara dahil olmayan Michael Schmuker, görme ve işitme için araştırmacıların beynin dikkat ettiği özellikleri öğrendiklerini açıklıyor. Koku alma için “şu anda çözülmesi gereken birçok şey var” diyor.

En büyük zorluklardan biri, birincil kokuların tanımlanmasıdır. Kokuların (görüntüler gibi) kaydedildiği ve verimli bir şekilde yeniden yaratıldığı dijital görüntülerin olfaktör eşdeğerini oluşturmak için, araştırmacıların, karıştırıldığında güvenilir bir şekilde bir koku gamı ​​oluşturacak bir dizi koku molekülü tanımlaması gerekir – tıpkı kırmızı, yeşil ve mavi, ekrandaki her tonu oluşturur.

Schmuker, “İnsanlar üzerinde çalışıyor olsa da şu anda çok uzak bir bilim kurgu” diyor.



Kaynak : https://www.scientificamerican.com/article/ai-predicts-what-chemicals-will-smell-like-to-a-human/

Yorum yapın

SMM Panel PDF Kitap indir