Этот забавный проект, запущенный Google в День дурака в 2013 году, утверждает, что у него есть база данных запахов, содержащая 15 миллионов запахов. Пользователям нужно всего лишь ввести ключевые слова в поле поиска Google и нажать «запах», чтобы почувствовать их запах прямо рядом со своим компьютером. объекта, например запах новой машины, запах костра, запах египетской гробницы (?) и т. д.
Именно эту возмутительную, но блестящую шутку десятилетней давности частично воплощает в реальность ее изобретатель.
Журнал «Science» в начале сентября этого года опубликовал статью, совместно опубликованную несколькими исследовательскими группами, в том числе стартапом Osmo (дочерним предприятием Google) и Центром химических чувств Монелла (Monell Chemical Senses Center), в которой говорилось: модели искусственного интеллекта могут дать машинам лучшее «обоняние», чем у людей.
На первый взгляд это звучит невероятно, ведь для обывателя обоняние — гораздо более абстрактное существование, чем зрение и слух. Цветовой спектр RGB может описывать цвета, видимые человеческим глазом, а звуки, слышимые человеческим ухом, также могут быть преобразованы в длины волн разных частот и даже заставлять людей чувствовать вибрации. Однако нельзя увидеть или увидеть только обоняние. затронули, а описать количественными показателями еще сложнее.
Другими словами, оцифровка запаха кажется невозможной.
Основная задача исследователей в этой статье — попытаться создать многомерную обонятельную карту человека, которая может точно отражать характеристики запаха, то есть POM (Principle Odor Map).
Так как именно это делается?
Мы знаем, что запах — это реакция обонятельной системы человека на определенные молекулы, рассеянные в воздухе. После того, как молекулы запаха попадут в ноздри, они вступят в реакцию с обонятельными клетками над полостью носа (рецепторами), и генерируемые биоэлектрические волны передадутся в мозг через нервы, после чего запах будет распознан.
Состав запаха на самом деле гораздо сложнее, чем цвет и звук: существуют миллионы различных типов, и каждый запах состоит из сотен химических молекул с разными свойствами. Соответственно, у людей имеется около 400 функциональных обонятельных рецепторов, что намного превышает число 4, которые мы используем для зрения, и примерно 40, которые используются для вкуса.
Столкнувшись с таким сложным обонятельным механизмом, первое, что сделали исследователи, — это создали модель машинного обучения — нейронную сеть передачи сообщений (MPNN).
Схема модели
Это конкретная графовая нейронная сеть (GNN), поскольку графовая нейронная сеть представляет собой метод глубокого обучения, основанный на структуре графа, который вводит традиционный анализ графов и предоставляет метод извлечения признаков из нерегулярных данных, поэтому он также очень подходит. Используется для обучения. сложные характеристики запаха.
После построения модели следующим шагом будет предоставление ей учебных материалов.
Исследователи объединили базу данных вкусов и ароматов Good Scents и Leffingwell & Associates (GS-LF) и создали справочный набор данных, содержащий около 5000 молекул в качестве основного учебного материала.Каждая молекула может иметь несколько меток запаха, таких как фруктовый, цветочный, сырный. , мятный и многое другое.
Некоторые молекулы в базе данных GS-LF
Принимая форму и структуру молекулы в качестве входных данных, модель может выводить соответствующие слова запаха, которые лучше всего описывают определенный запах.
Чтобы сделать результаты обучения более точными, исследователи также используют различные методы оптимизации параметров модели. Например, база данных вкусов и ароматов GS-LF разделена на обучающий набор и тестовый набор в соотношении 8:2, а обучающий набор дополнительно делится на пять подмножеств перекрестной проверки; и используется алгоритм байесовской оптимизации. для перекрестной проверки данных и оптимизации гиперпараметров модели GNN и т. д.
В конечном итоге в результате эксперимента будет сформирована следующая многомерная обонятельная карта POM (частичная):
Эта картина интуитивно представляет расстояние восприятия каждого запаха. Например, существуют большие расстояния восприятия между цветочными, мясистыми и эфирными категориями; но в каждую категорию включены более конкретные запахи, такие как лилия (ландшафт), лаванда (лаванда) и жасмин. (жасмин) под цветочным ароматом имеет более близкое расстояние восприятия.
В документе сравнили POM с картами Моргана на основе отпечатков пальцев, которые изучались ранее, и обнаружили, что последние пока не могут отражать вышеупомянутую дистанцию восприятия:
Чтобы дополнительно проверить эффект обучения модели, исследователи наняли 15 экспертов по запахам, чтобы соревноваться с моделью и выяснить, кто сможет точнее идентифицировать запахи.
Каждому из 15 экспертов необходимо унюхать 400 запахов.Исследователи дадут 55 запаховых прилагательных и попросят оценить 55 вариантов по шкале от 1 до 5 для каждого запаха, чтобы оценить, насколько подходит для этого каждое запаховое прилагательное. запах.
Было обнаружено, что для 53% тестируемых молекул модель работала лучше, чем в среднем у членов группы.
Исследователи также классифицировали результаты прогнозирования модели по дескрипторам запаха и обнаружили, что, за исключением мускуса, все результаты прогнозирования модели для молекулярных запахов находились в пределах распределения ошибок человеческой группы и превосходили результаты прогнозирования 30 дескрипторов запаха. :
Впоследствии исследователи также неоднократно проверяли работоспособность модели и получили относительно стабильную связь молекулярной структуры и запаха.
Теперь мы вступаем в самый увлекательный этап масштабного рисования карт запахов и в итоге получаем следующую картину:
Вы можете понимать приведенную выше диаграмму координат, показывающую расстояние восприятия запаха, как бесконечно увеличенную версию этой диаграммы. В документе упоминается, что эта карта содержит около 500 000 молекул запаха, многие из которых даже не были обнаружены или синтезированы (но действительно могут быть рассчитаны).
Для более интуитивного сравнения: если бы обученный человек-оценщик искал эти запахи, ему потребовалось бы около 70 лет непрерывной работы, чтобы собрать их все.
Кажется, что эта статья действительно достигла большого успеха.
В это время некоторые пользователи сети спросили, почему машина должна пахнуть?
Другие также высказали свои собственные мнения, например, полагая, что его можно использовать для контроля качества очистки заводских сточных вод, обнаружения взрывчатых веществ, наркотиков или трупов и т. д.:
В результате полицейские и поисково-спасательные собаки могут оказаться не на дежурстве.
Некоторые люди надеются разработать на основе этого хороший дезодорант, потому что люди будут издавать неприятный запах после выполнения большого количества аэробных упражнений, таких как бег или поднятие тяжестей:
Некоторые люди также очень заинтересованы в медицинских применениях результатов этого исследования, таких как разработка новых методов лечения аносмии или обнаружение заболеваний по запаху и т. д.:
В парфюмерной индустрии есть также практикующие специалисты, которые считают, что это им очень помогло: «Моим коллегам это сообщает, когда они носят слишком много одеколона»:
Эти прогнозы на самом деле небезосновательны. Прежде всего, машины действительно могут помочь людям решить проблему иногда неточной идентификации запахов — исследования показывают, что у каждого человека разное восприятие запахов, и они вызывают разные реакции, основанные на сенсорных и физиологических сигналах, на которые также влияют опыт, ожидания, и личности или влияние ситуативных факторов.
А запах иногда очень важен для людей.
Излишне говорить, что неприятные запахи и некоторые вредные газы также могут быть вредными для здоровья.В настоящее время было бы здорово, если бы машины могли заменить некоторые профессии, помогая людям или животным работать.
Для других профессий, где ароматы могут принести пользу, таких как парфюмеры, повара, дизайнеры, художники и архитекторы и т. д., также существует необходимость в разработке более функциональных ароматов. В некоторых случаях ароматы используются в окружающей среде. Для снижения децибел шума в торговом зале.
Другие исследования показали, что большая часть человеческих воспоминаний, связанных с запахами, приходится на первые десять лет младенчества и раннего детства, тогда как воспоминания, генерируемые языком и зрением, обычно возникают в возрасте от 10 до 30 лет. Это отчасти объясняет, почему запахи могут вызывать отдаленные воспоминания, а воспоминания, вызванные запахами, часто более эмоционально заряжены, чем воспоминания, вызванные зрением или слухом.
Таким образом, связь между запахом и человеком все еще очень тесная, но во многих случаях нам нелегко ее осознать.
Догадки пользователей сети также подтвердил один из авторов статьи Алекс Вильчко из компании Osmo. Он написал в статье, размещенной на официальном сайте Osmo:
"Картирование запахов является основой для наших более крупных целей. Если будет разработана функциональная система, повторяющая наш нос или собачий нос, мы сможем обнаруживать заболевания на ранней стадии; искусственный интеллект также поможет врачам обнаружить более вероятные случаи обнаружения в Клиника, чтобы разрабатывать успешные лекарства и лучше помогать химикам-синтетикам и мастерам-парфюмерам в их работе... Наша будущая цель работы — заложить прочную научную и коммерческую основу для улучшения здоровья и счастья человека».
Однако он также отметил, что в документе все еще есть много недостатков.
Например, невозможно отразить интенсивность запаха молекулы, а можно только предсказать, как она пахнет; прогнозируется только запах одной молекулы, но в реальной жизни это скорее смешанный запах; и даже если все способности достигнуты, запах невозможно предугадать, репликация и восстановление также будут большой проблемой и так далее.
Наконец, после стольких слов, комментарий одного пользователя сети был довольно простым: «Я думаю, что это сделает дегустацию вин менее увлекательной»:
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Когда ИИ научится чувствовать запахи, люди смогут сэкономить 70 лет работы
Я не знаю, сколько людей еще помнят Google Nose.
Этот забавный проект, запущенный Google в День дурака в 2013 году, утверждает, что у него есть база данных запахов, содержащая 15 миллионов запахов. Пользователям нужно всего лишь ввести ключевые слова в поле поиска Google и нажать «запах», чтобы почувствовать их запах прямо рядом со своим компьютером. объекта, например запах новой машины, запах костра, запах египетской гробницы (?) и т. д.
Именно эту возмутительную, но блестящую шутку десятилетней давности частично воплощает в реальность ее изобретатель.
Журнал «Science» в начале сентября этого года опубликовал статью, совместно опубликованную несколькими исследовательскими группами, в том числе стартапом Osmo (дочерним предприятием Google) и Центром химических чувств Монелла (Monell Chemical Senses Center), в которой говорилось: модели искусственного интеллекта могут дать машинам лучшее «обоняние», чем у людей.
Другими словами, оцифровка запаха кажется невозможной.
Основная задача исследователей в этой статье — попытаться создать многомерную обонятельную карту человека, которая может точно отражать характеристики запаха, то есть POM (Principle Odor Map).
Так как именно это делается?
Мы знаем, что запах — это реакция обонятельной системы человека на определенные молекулы, рассеянные в воздухе. После того, как молекулы запаха попадут в ноздри, они вступят в реакцию с обонятельными клетками над полостью носа (рецепторами), и генерируемые биоэлектрические волны передадутся в мозг через нервы, после чего запах будет распознан.
Состав запаха на самом деле гораздо сложнее, чем цвет и звук: существуют миллионы различных типов, и каждый запах состоит из сотен химических молекул с разными свойствами. Соответственно, у людей имеется около 400 функциональных обонятельных рецепторов, что намного превышает число 4, которые мы используем для зрения, и примерно 40, которые используются для вкуса.
Столкнувшись с таким сложным обонятельным механизмом, первое, что сделали исследователи, — это создали модель машинного обучения — нейронную сеть передачи сообщений (MPNN).
Это конкретная графовая нейронная сеть (GNN), поскольку графовая нейронная сеть представляет собой метод глубокого обучения, основанный на структуре графа, который вводит традиционный анализ графов и предоставляет метод извлечения признаков из нерегулярных данных, поэтому он также очень подходит. Используется для обучения. сложные характеристики запаха.
После построения модели следующим шагом будет предоставление ей учебных материалов.
Исследователи объединили базу данных вкусов и ароматов Good Scents и Leffingwell & Associates (GS-LF) и создали справочный набор данных, содержащий около 5000 молекул в качестве основного учебного материала.Каждая молекула может иметь несколько меток запаха, таких как фруктовый, цветочный, сырный. , мятный и многое другое.
Принимая форму и структуру молекулы в качестве входных данных, модель может выводить соответствующие слова запаха, которые лучше всего описывают определенный запах.
Чтобы сделать результаты обучения более точными, исследователи также используют различные методы оптимизации параметров модели. Например, база данных вкусов и ароматов GS-LF разделена на обучающий набор и тестовый набор в соотношении 8:2, а обучающий набор дополнительно делится на пять подмножеств перекрестной проверки; и используется алгоритм байесовской оптимизации. для перекрестной проверки данных и оптимизации гиперпараметров модели GNN и т. д.
В конечном итоге в результате эксперимента будет сформирована следующая многомерная обонятельная карта POM (частичная):
В документе сравнили POM с картами Моргана на основе отпечатков пальцев, которые изучались ранее, и обнаружили, что последние пока не могут отражать вышеупомянутую дистанцию восприятия:
Каждому из 15 экспертов необходимо унюхать 400 запахов.Исследователи дадут 55 запаховых прилагательных и попросят оценить 55 вариантов по шкале от 1 до 5 для каждого запаха, чтобы оценить, насколько подходит для этого каждое запаховое прилагательное. запах.
Было обнаружено, что для 53% тестируемых молекул модель работала лучше, чем в среднем у членов группы.
Исследователи также классифицировали результаты прогнозирования модели по дескрипторам запаха и обнаружили, что, за исключением мускуса, все результаты прогнозирования модели для молекулярных запахов находились в пределах распределения ошибок человеческой группы и превосходили результаты прогнозирования 30 дескрипторов запаха. :
Теперь мы вступаем в самый увлекательный этап масштабного рисования карт запахов и в итоге получаем следующую картину:
Для более интуитивного сравнения: если бы обученный человек-оценщик искал эти запахи, ему потребовалось бы около 70 лет непрерывной работы, чтобы собрать их все.
Кажется, что эта статья действительно достигла большого успеха.
В это время некоторые пользователи сети спросили, почему машина должна пахнуть?
Некоторые люди надеются разработать на основе этого хороший дезодорант, потому что люди будут издавать неприятный запах после выполнения большого количества аэробных упражнений, таких как бег или поднятие тяжестей:
А запах иногда очень важен для людей.
Излишне говорить, что неприятные запахи и некоторые вредные газы также могут быть вредными для здоровья.В настоящее время было бы здорово, если бы машины могли заменить некоторые профессии, помогая людям или животным работать.
Для других профессий, где ароматы могут принести пользу, таких как парфюмеры, повара, дизайнеры, художники и архитекторы и т. д., также существует необходимость в разработке более функциональных ароматов. В некоторых случаях ароматы используются в окружающей среде. Для снижения децибел шума в торговом зале.
Другие исследования показали, что большая часть человеческих воспоминаний, связанных с запахами, приходится на первые десять лет младенчества и раннего детства, тогда как воспоминания, генерируемые языком и зрением, обычно возникают в возрасте от 10 до 30 лет. Это отчасти объясняет, почему запахи могут вызывать отдаленные воспоминания, а воспоминания, вызванные запахами, часто более эмоционально заряжены, чем воспоминания, вызванные зрением или слухом.
Таким образом, связь между запахом и человеком все еще очень тесная, но во многих случаях нам нелегко ее осознать.
Догадки пользователей сети также подтвердил один из авторов статьи Алекс Вильчко из компании Osmo. Он написал в статье, размещенной на официальном сайте Osmo:
Однако он также отметил, что в документе все еще есть много недостатков.
Например, невозможно отразить интенсивность запаха молекулы, а можно только предсказать, как она пахнет; прогнозируется только запах одной молекулы, но в реальной жизни это скорее смешанный запах; и даже если все способности достигнуты, запах невозможно предугадать, репликация и восстановление также будут большой проблемой и так далее.
Наконец, после стольких слов, комментарий одного пользователя сети был довольно простым: «Я думаю, что это сделает дегустацию вин менее увлекательной»: