Resim kaynağı: Sınırsız Yapay Zeka tarafından oluşturulmuştur
Google Nose'u hâlâ kaç kişinin hatırladığını bilmiyorum.
Google'ın 2013 yılında 1 Nisan Şaka Günü'nde başlattığı bu komik proje, 15 milyon koku içeren bir koku veritabanına sahip olduğunu iddia ediyor.Kullanıcıların, doğrudan bilgisayarlarının yanında koklamak için Google arama kutusuna anahtar kelimeleri girip "koku"ya tıklamaları yeterli. Yeni bir arabanın kokusu, kamp ateşinin kokusu, bir Mısır mezarının kokusu (?) vb. gibi nesnenin kokusu.
On yıl önceki bu çirkin ama harika şaka, mucidi tarafından kısmen gerçeğe dönüştürülüyor.
"Science" dergisi bu yılın eylül ayı başında, yeni kurulan Osmo (Google'ın yan ürünü) ve Monell Chemical Senses Center (Monell Chemical Senses Center) dahil olmak üzere çok sayıda araştırma ekibinin ortaklaşa yayınladığı bir makale yayınladı. makinelere insanlardan daha iyi bir "koku alma duyusu" sağlar**.
İlk bakışta bu kulağa inanılmaz geliyor, sonuçta koku alma duyusu, görme ve işitmeden çok daha soyut bir varlıktır. RGB renk spektrumu insan gözünün gördüğü renkleri tanımlayabildiği gibi, insan kulağının duyduğu sesleri de farklı frekanslardaki dalga boylarına dönüştürebilmekte, hatta insanlara titreşimi hissettirebilmektedir. Ancak sadece koku duyusu görülemez veya görülemez. dokundu ve niceliksel göstergelerle açıklamak daha da zor. .
Başka bir deyişle kokuyu dijitalleştirmek imkansız gibi görünüyor.
Bu makaledeki araştırmacıların temel görevi, kokunun özelliklerini, yani POM'u (Prensip Koku Haritası) sadık bir şekilde yansıtabilen yüksek boyutlu bir insan koku haritası oluşturmaya çalışmaktır.
Peki tam olarak nasıl yapılıyor?
Kokunun, insan koku sisteminin havaya dağılmış bazı spesifik moleküllere verdiği tepki olduğunu biliyoruz. Koku molekülleri burun deliklerine girdikten sonra burun boşluğunun üstündeki koku hücreleriyle (alıcılarla) reaksiyona girecek ve oluşan biyoelektrik dalgalar sinirler yoluyla beyne iletilecek ve kokunun tanınması sağlanacak.
Kokunun bileşimi aslında renk ve sesten çok daha karmaşıktır. Milyonlarca farklı türü vardır ve her koku, farklı özelliklere sahip yüzlerce kimyasal molekülden oluşur. Buna uygun olarak insanlarda yaklaşık 400 işlevsel koku alma reseptörü vardır; bu sayı, görme için kullandığımız 4'ü ve tatmak için kullandığımız yaklaşık 40'ı çok aşmaktadır.
Böylesine karmaşık bir koku alma mekanizmasıyla karşı karşıya kalan araştırmacıların yaptığı ilk şey, bir makine öğrenimi modeli oluşturmaktı: Mesaj İleten Sinir Ağı (MPNN).
Model diyagramı
Bu, belirli bir grafik sinir ağıdır (GNN), çünkü grafik sinir ağı, geleneksel grafik analizini tanıtan ve düzensiz verilerden özellikler çıkarmak için bir yöntem sağlayan, grafik yapısına dayalı bir derin öğrenme yöntemidir, bu nedenle aynı zamanda çok uygundur Öğrenmek için kullanılır karmaşık koku özellikleri.
Model oluşturulduktan sonraki adım, modeli öğrenme materyalleriyle beslemektir.
Araştırmacılar Good Scents ve Leffingwell & Associates (GS-LF) tat ve koku veri tabanını birleştirerek temel eğitim materyali olarak yaklaşık 5.000 molekül içeren bir referans veri seti oluşturdular.Her molekül meyveli, çiçeksi, peynirli gibi birden fazla koku etiketine sahip olabilir , naneli ve daha fazlası.
GS-LF veritabanındaki bazı moleküller
Model, veri girişi olarak molekülün şeklini ve yapısını alarak, belirli bir kokuyu en iyi şekilde tanımlayan karşılık gelen koku sözcüklerini üretebilmektedir.
Eğitim sonuçlarının daha doğru olabilmesi için araştırmacılar model parametrelerini optimize etmek amacıyla da çeşitli yöntemler kullanmaktadır. Örneğin, GS-LF tat ve koku veri tabanı 8:2 oranında bir eğitim seti ve bir test setine bölünür ve eğitim seti ayrıca beş çapraz doğrulama alt setine bölünür ve Bayesian optimizasyon algoritması kullanılır. verileri çapraz doğrulamak ve GNN modelinin hiper parametrelerini optimize etmek vb.
Deney sonunda aşağıdaki yüksek boyutlu koku haritası POM'u (kısmi) oluşturacaktır:
Bu resim sezgisel olarak her kokunun algısal mesafesini temsil eder. Örneğin, çiçeksi, etli ve eterik kategoriler arasında büyük algısal mesafeler vardır; ancak her kategorinin altında zambak (muguet), lavanta (lavanta) ve yasemin gibi daha spesifik kokular yer alır. (yasemin) çiçek kokusu altında daha yakın bir algılama mesafesine sahiptir.
Makale, POM'u daha önce üzerinde çalışılan Morgan parmak izi tabanlı haritalarla karşılaştırdı ve ikincisinin yukarıda bahsedilen algısal mesafeyi henüz yansıtamayacağını buldu:
Model eğitiminin etkisini daha da doğrulamak için araştırmacılar, kokuları kimin daha doğru şekilde tanımlayabileceğini görmek amacıyla modelle rekabet edecek 15 koku uzmanını görevlendirdi.
15 uzmanın her birinin 400 koku koklaması gerekiyor.Araştırmacılar, 55 koku sıfatı verecek ve her bir koku sıfatının ne ölçüde uygun olduğunu değerlendirmek için 55 seçeneği her koku için 1'den 5'e kadar derecelendirmelerini isteyecek. koku.
Test moleküllerinin %53'ü için modelin panel üyelerinin ortalamasından daha iyi performans gösterdiği bulunmuştur.
Araştırmacılar ayrıca modelin tahmin sonuçlarını koku tanımlayıcılarına göre sınıflandırdılar ve misk hariç, modelin moleküler kokulara ilişkin tahmin sonuçlarının tamamının insan grubunun hata dağılımı dahilinde olduğunu ve 30 koku tanımlayıcısının tahmin sonuçlarından daha iyi performans gösterdiğini buldular. :
Daha sonra araştırmacılar modelin performansını defalarca doğruladılar ve nispeten kararlı bir moleküler yapı-koku ilişkisi elde ettiler.
Şimdi büyük ölçekli koku haritalarının çiziminin en heyecan verici aşamasına giriyoruz ve sonunda aşağıdaki resmi elde ediyoruz:
Koku algılama mesafesini gösteren yukarıdaki koordinat diyagramını, bu diyagramın sonsuz büyütülmüş hali olarak anlayabilirsiniz. Makalede, bu haritanın yaklaşık 500.000 koku molekülü içerdiğinden bahsediliyor; bunların çoğu henüz keşfedilmemiş veya sentezlenmemiş (fakat aslında hesaplanabiliyor).
Daha sezgisel bir karşılaştırma yapmak gerekirse, eğer eğitimli bir insan değerlendirici bu kokuları araştırsaydı, hepsini toplamak yaklaşık 70 yıllık sürekli bir çalışma gerektirecekti.
Görünüşe göre bu makale gerçekten büyük bir şeyi başarmış.
Şu anda bazı netizenler makinenin neden kokması gerektiğini sordu?
Diğerleri de fabrika atık su arıtmasının kalite kontrolü, patlayıcı, uyuşturucu veya ceset araması vb. için kullanılabileceğini düşünmek gibi kendi fikirlerini de dile getirdiler:
Sonuç olarak polis köpekleri ve arama kurtarma köpekleri görev dışı kalabilir.
Bazı insanlar buna dayanarak iyi bir deodorant geliştirmeyi umuyor çünkü insanlar koşma veya ağırlık kaldırma gibi çok sayıda aerobik egzersiz yaptıktan sonra kötü koku yayarlar:
Bazı insanlar bu araştırma sonucunun anozmi için yeni tedavilerin geliştirilmesi veya hastalıkların koku yoluyla tespiti gibi tıbbi uygulamalarıyla da oldukça ilgileniyorlar:
Parfüm endüstrisinde bunun kendilerine çok yardımcı olduğunu düşünen uygulayıcılar da var: "Meslektaşlarıma çok fazla kolonya sürdüklerinde bunu anlatıyor":
Bu tahminler aslında mantıksız değil. Her şeyden önce, makineler insanların kokuların bazen yanlış tanımlanması sorununu çözmelerine gerçekten yardımcı olabilir; araştırmalar herkesin farklı koku algılarına sahip olduğunu ve aynı zamanda deneyimlerden, beklentilerden etkilenen duyusal ve fizyolojik sinyallere dayalı farklı reaksiyonları tetikleyeceğini göstermektedir. ve kişilik veya durumsal faktörlerin etkisi.
Ve koku bazen insanlar için çok önemlidir.
Kötü kokuların, bazı zararlı gazların da sağlığa zararlı olabileceğini söylemeye gerek yok.Bu dönemde, insanların veya hayvanların çalışmasına yardımcı olacak bazı mesleklerin yerini makineler alabilse harika olurdu.
Parfümcü, aşçı, tasarımcı, sanatçı, mimar gibi kokunun fayda sağlayabileceği diğer meslekler için de daha işlevsel kokuların hazırlanmasına ihtiyaç vardır. Bazı durumlarda ortamdaki kokular kullanılır. Örneğin, New York'taki Sloan-Kettering Kanser Merkezi, manyetik rezonans görüntüleme (MRI) testleri sırasında hastaların klostrofobisini azaltmak için havaya vanilya yağı dağıtır; Chicago Ticaret Kurulu ayrıca belirli kokuları da dağıtır. Ticaret katındaki gürültü desibelini azaltmak için.
Diğer çalışmalar, insanların kokuyla ilgili anılarının çoğunun bebekliğin ilk on yılı ve erken çocukluk döneminden geldiğini, dil ve görme ile oluşturulan anıların ise genellikle 10 ile 30 yaşları arasında üretildiğini göstermiştir. Bu, kokuların neden uzak anıları uyandırabildiğini kısmen açıklıyor ve kokular yoluyla çağrılan anılar, görme veya işitme yoluyla çağrılan anılara göre duygusal açıdan daha yüklü oluyor.
Dolayısıyla koku ile insan arasındaki bağlantı hâlâ çok yakın ama çoğu durumda bunun farkına varamıyoruz.
Netizenlerin varsayımları, makalenin yazarlarından biri olan Osmo Company'den Alex Wiltschko tarafından da doğrulandı. Osmo'nun resmi web sitesinde yayınlanan bir makalede şunu yazdı:
“Koku haritalaması daha büyük hedeflerimizin temelini oluşturuyor. Bizim burnumuzu veya bir köpeğin burnunu taklit eden işlevsel bir sistem geliştirilebilirse hastalıkları erken tespit edebiliriz; yapay zeka aynı zamanda doktorların burunda tespit edilme olasılığının daha yüksek olduğunu bulmasına da yardımcı olacaktır. başarılı ilaçlar geliştirmek ve sentetik kimyacılara ve usta parfümcülere çalışmalarında daha iyi yardımcı olmak... Gelecekteki çalışma hedefimiz, insan sağlığını ve mutluluğunu iyileştirmek için sağlam bir bilimsel ve ticari temel oluşturmaktır."
Ancak belgede hala birçok eksiklik bulunduğunu da söyledi.
Örneğin, bir molekülün kokusunun yoğunluğunu yansıtmak imkansızdır ve yalnızca neye benzediğini tahmin etmek mümkündür; yalnızca tek bir molekülün kokusu tahmin edilir, ancak gerçek hayatta daha çok karışık bir kokudur; hatta hepsi yetenekler elde edildiğinde koku tahmin edilemez, çoğaltma ve restorasyon da büyük bir zorluk olacaktır vb.
Son olarak, bu kadar çok şey söyledikten sonra bir netizenin yorumu oldukça basitti: "Bunun şarap tadımını daha az eğlenceli hale getireceğini düşünüyorum":
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Yapay zeka koklamayı öğrendiğinde insanlar 70 yıllık emekten tasarruf edebilecek
Google Nose'u hâlâ kaç kişinin hatırladığını bilmiyorum.
Google'ın 2013 yılında 1 Nisan Şaka Günü'nde başlattığı bu komik proje, 15 milyon koku içeren bir koku veritabanına sahip olduğunu iddia ediyor.Kullanıcıların, doğrudan bilgisayarlarının yanında koklamak için Google arama kutusuna anahtar kelimeleri girip "koku"ya tıklamaları yeterli. Yeni bir arabanın kokusu, kamp ateşinin kokusu, bir Mısır mezarının kokusu (?) vb. gibi nesnenin kokusu.
On yıl önceki bu çirkin ama harika şaka, mucidi tarafından kısmen gerçeğe dönüştürülüyor.
"Science" dergisi bu yılın eylül ayı başında, yeni kurulan Osmo (Google'ın yan ürünü) ve Monell Chemical Senses Center (Monell Chemical Senses Center) dahil olmak üzere çok sayıda araştırma ekibinin ortaklaşa yayınladığı bir makale yayınladı. makinelere insanlardan daha iyi bir "koku alma duyusu" sağlar**.
Başka bir deyişle kokuyu dijitalleştirmek imkansız gibi görünüyor.
Bu makaledeki araştırmacıların temel görevi, kokunun özelliklerini, yani POM'u (Prensip Koku Haritası) sadık bir şekilde yansıtabilen yüksek boyutlu bir insan koku haritası oluşturmaya çalışmaktır.
Peki tam olarak nasıl yapılıyor?
Kokunun, insan koku sisteminin havaya dağılmış bazı spesifik moleküllere verdiği tepki olduğunu biliyoruz. Koku molekülleri burun deliklerine girdikten sonra burun boşluğunun üstündeki koku hücreleriyle (alıcılarla) reaksiyona girecek ve oluşan biyoelektrik dalgalar sinirler yoluyla beyne iletilecek ve kokunun tanınması sağlanacak.
Kokunun bileşimi aslında renk ve sesten çok daha karmaşıktır. Milyonlarca farklı türü vardır ve her koku, farklı özelliklere sahip yüzlerce kimyasal molekülden oluşur. Buna uygun olarak insanlarda yaklaşık 400 işlevsel koku alma reseptörü vardır; bu sayı, görme için kullandığımız 4'ü ve tatmak için kullandığımız yaklaşık 40'ı çok aşmaktadır.
Böylesine karmaşık bir koku alma mekanizmasıyla karşı karşıya kalan araştırmacıların yaptığı ilk şey, bir makine öğrenimi modeli oluşturmaktı: Mesaj İleten Sinir Ağı (MPNN).
Bu, belirli bir grafik sinir ağıdır (GNN), çünkü grafik sinir ağı, geleneksel grafik analizini tanıtan ve düzensiz verilerden özellikler çıkarmak için bir yöntem sağlayan, grafik yapısına dayalı bir derin öğrenme yöntemidir, bu nedenle aynı zamanda çok uygundur Öğrenmek için kullanılır karmaşık koku özellikleri.
Model oluşturulduktan sonraki adım, modeli öğrenme materyalleriyle beslemektir.
Araştırmacılar Good Scents ve Leffingwell & Associates (GS-LF) tat ve koku veri tabanını birleştirerek temel eğitim materyali olarak yaklaşık 5.000 molekül içeren bir referans veri seti oluşturdular.Her molekül meyveli, çiçeksi, peynirli gibi birden fazla koku etiketine sahip olabilir , naneli ve daha fazlası.
Model, veri girişi olarak molekülün şeklini ve yapısını alarak, belirli bir kokuyu en iyi şekilde tanımlayan karşılık gelen koku sözcüklerini üretebilmektedir.
Eğitim sonuçlarının daha doğru olabilmesi için araştırmacılar model parametrelerini optimize etmek amacıyla da çeşitli yöntemler kullanmaktadır. Örneğin, GS-LF tat ve koku veri tabanı 8:2 oranında bir eğitim seti ve bir test setine bölünür ve eğitim seti ayrıca beş çapraz doğrulama alt setine bölünür ve Bayesian optimizasyon algoritması kullanılır. verileri çapraz doğrulamak ve GNN modelinin hiper parametrelerini optimize etmek vb.
Deney sonunda aşağıdaki yüksek boyutlu koku haritası POM'u (kısmi) oluşturacaktır:
Makale, POM'u daha önce üzerinde çalışılan Morgan parmak izi tabanlı haritalarla karşılaştırdı ve ikincisinin yukarıda bahsedilen algısal mesafeyi henüz yansıtamayacağını buldu:
15 uzmanın her birinin 400 koku koklaması gerekiyor.Araştırmacılar, 55 koku sıfatı verecek ve her bir koku sıfatının ne ölçüde uygun olduğunu değerlendirmek için 55 seçeneği her koku için 1'den 5'e kadar derecelendirmelerini isteyecek. koku.
Test moleküllerinin %53'ü için modelin panel üyelerinin ortalamasından daha iyi performans gösterdiği bulunmuştur.
Araştırmacılar ayrıca modelin tahmin sonuçlarını koku tanımlayıcılarına göre sınıflandırdılar ve misk hariç, modelin moleküler kokulara ilişkin tahmin sonuçlarının tamamının insan grubunun hata dağılımı dahilinde olduğunu ve 30 koku tanımlayıcısının tahmin sonuçlarından daha iyi performans gösterdiğini buldular. :
Şimdi büyük ölçekli koku haritalarının çiziminin en heyecan verici aşamasına giriyoruz ve sonunda aşağıdaki resmi elde ediyoruz:
Daha sezgisel bir karşılaştırma yapmak gerekirse, eğer eğitimli bir insan değerlendirici bu kokuları araştırsaydı, hepsini toplamak yaklaşık 70 yıllık sürekli bir çalışma gerektirecekti.
Görünüşe göre bu makale gerçekten büyük bir şeyi başarmış.
Şu anda bazı netizenler makinenin neden kokması gerektiğini sordu?
Bazı insanlar buna dayanarak iyi bir deodorant geliştirmeyi umuyor çünkü insanlar koşma veya ağırlık kaldırma gibi çok sayıda aerobik egzersiz yaptıktan sonra kötü koku yayarlar:
Ve koku bazen insanlar için çok önemlidir.
Kötü kokuların, bazı zararlı gazların da sağlığa zararlı olabileceğini söylemeye gerek yok.Bu dönemde, insanların veya hayvanların çalışmasına yardımcı olacak bazı mesleklerin yerini makineler alabilse harika olurdu.
Parfümcü, aşçı, tasarımcı, sanatçı, mimar gibi kokunun fayda sağlayabileceği diğer meslekler için de daha işlevsel kokuların hazırlanmasına ihtiyaç vardır. Bazı durumlarda ortamdaki kokular kullanılır. Örneğin, New York'taki Sloan-Kettering Kanser Merkezi, manyetik rezonans görüntüleme (MRI) testleri sırasında hastaların klostrofobisini azaltmak için havaya vanilya yağı dağıtır; Chicago Ticaret Kurulu ayrıca belirli kokuları da dağıtır. Ticaret katındaki gürültü desibelini azaltmak için.
Diğer çalışmalar, insanların kokuyla ilgili anılarının çoğunun bebekliğin ilk on yılı ve erken çocukluk döneminden geldiğini, dil ve görme ile oluşturulan anıların ise genellikle 10 ile 30 yaşları arasında üretildiğini göstermiştir. Bu, kokuların neden uzak anıları uyandırabildiğini kısmen açıklıyor ve kokular yoluyla çağrılan anılar, görme veya işitme yoluyla çağrılan anılara göre duygusal açıdan daha yüklü oluyor.
Dolayısıyla koku ile insan arasındaki bağlantı hâlâ çok yakın ama çoğu durumda bunun farkına varamıyoruz.
Netizenlerin varsayımları, makalenin yazarlarından biri olan Osmo Company'den Alex Wiltschko tarafından da doğrulandı. Osmo'nun resmi web sitesinde yayınlanan bir makalede şunu yazdı:
Ancak belgede hala birçok eksiklik bulunduğunu da söyledi.
Örneğin, bir molekülün kokusunun yoğunluğunu yansıtmak imkansızdır ve yalnızca neye benzediğini tahmin etmek mümkündür; yalnızca tek bir molekülün kokusu tahmin edilir, ancak gerçek hayatta daha çok karışık bir kokudur; hatta hepsi yetenekler elde edildiğinde koku tahmin edilemez, çoğaltma ve restorasyon da büyük bir zorluk olacaktır vb.
Son olarak, bu kadar çok şey söyledikten sonra bir netizenin yorumu oldukça basitti: "Bunun şarap tadımını daha az eğlenceli hale getireceğini düşünüyorum":