Я не знаю, скільки людей ще пам’ятають Google Nose.
Цей кумедний проект, запущений Google першого квітня 2013 року, стверджує, що має базу даних запахів, що містить 15 мільйонів ароматів. Користувачам потрібно лише ввести ключові слова у вікно пошуку Google і натиснути «запах», щоб відчути запах безпосередньо біля свого комп’ютера. Запах об’єкта, наприклад, запах нової машини, запах багаття, запах єгипетської гробниці (?) тощо.
Саме цей епатажний, але блискучий жарт десятирічної давності його винахідник частково втілює в реальність.
Журнал «Science» на початку вересня цього року опублікував статтю, опубліковану спільно кількома дослідницькими групами, включаючи стартап Osmo (відокремлений від Google) і Monell Chemical Senses Center (Monell Chemical Senses Center), в якому говорилося, що ** моделі ШІ можуть дають машинам кращий «нюх», ніж люди**.
На перший погляд, це звучить неймовірно, адже для людей нюх набагато абстрактніше, ніж зір і слух. Кольоровий спектр RGB може описувати кольори, які бачить людське око, а звуки, які чує людське вухо, також можна перетворювати на довжини хвилі різних частот і навіть змушувати людей відчувати вібрацію.Однак не можна побачити лише нюх або зворушила, а ще важче описати кількісними показниками.
Іншими словами, оцифрувати запах звучить неможливо.
Основне завдання дослідників у цій статті полягає в тому, щоб спробувати створити багатовимірну нюхову карту людини, яка б точно відображала характеристики запаху, тобто POM (Principle Odor Map).
Отже, як саме це робиться?
Ми знаємо, що запах є реакцією нюхової системи людини на певні специфічні молекули, розсіяні в повітрі. Після того, як молекули запаху потраплять в ніздрі, вони реагуватимуть з нюховими клітинами над носовою порожниною (рецепторами), і генеровані біоелектричні хвилі будуть передаватися в мозок через нерви, і тоді запах буде розпізнаний.
Склад запаху насправді набагато складніший, ніж колір і звук. Існують мільйони різних типів, і кожен запах складається із сотень хімічних молекул із різними властивостями. Відповідно, у людини приблизно 400 функціональних нюхових рецепторів, що значно перевищує 4, які ми використовуємо для зору, і приблизно 40, які використовуються для смаку.
Зіткнувшись із таким складним нюховим механізмом, перше, що зробили дослідники, це створили модель машинного навчання — нейронну мережу передачі повідомлень (MPNN).
Схема моделі
Це специфічна графова нейронна мережа (GNN), оскільки графова нейронна мережа — це метод глибокого навчання, заснований на структурі графів, який представляє традиційний аналіз графів і надає метод для вилучення ознак із нерегулярних даних, тому він також дуже підходить для навчання складні ознаки запаху.
Після того, як модель побудована, наступним кроком є заповнення її навчальними матеріалами.
Дослідники об’єднали базу даних смаків і ароматів Good Scents і Leffingwell & Associates (GS-LF) і створили набір довідкових даних, що містить близько 5000 молекул як основний навчальний матеріал.Кожна молекула може мати кілька позначок запаху, наприклад фруктовий, квітковий, сирний. , м'ята та інше.
Деякі молекули в базі даних GS-LF
Беручи форму та структуру молекули як вхідні дані, модель може виводити відповідні слова запаху, які найкраще описують певний запах.
Щоб зробити результати навчання точнішими, дослідники також використовують різні методи оптимізації параметрів моделі. Наприклад, базу даних смаків і ароматів GS-LF поділено на набір для навчання та набір для тестування у співвідношенні 8:2, а набір для навчання далі поділено на п’ять підмножин для перехресної перевірки; і використовується алгоритм оптимізації Байєса. для перехресної перевірки даних та оптимізації гіперпараметрів моделі GNN тощо.
Експеримент зрештою сформує таку високовимірну нюхову карту POM (часткову):
Ця картинка інтуїтивно представляє дистанцію сприйняття кожного запаху. Наприклад, існує велика дистанція сприйняття між квітковими, м’ясними та ефірними категоріями; але в кожну категорію входять більш специфічні запахи, такі як лілія (muguet), лаванда (lavender) і жасмин (жасмин) під квітковим ароматом мають ближчу дистанцію сприйняття.
Стаття порівняла POM з картами на основі відбитків пальців Моргана, які вивчалися раніше, і виявила, що останні ще не можуть відображати вищезгадану відстань сприйняття:
Для подальшої перевірки ефекту навчання моделі дослідники залучили 15 експертів із запахів, щоб змагатися з моделлю, щоб побачити, хто зможе точніше визначити запахи.
Кожному з 15 експертів потрібно понюхати 400 запахів. Дослідники дадуть 55 прикметників запахів і попросять їх оцінити 55 варіантів за шкалою від 1 до 5 для кожного запаху, щоб оцінити ступінь придатності кожного прикметника запаху. запах.
Було виявлено, що для 53% досліджуваних молекул модель показала кращі результати, ніж у середньому членів панелі.
Дослідники також класифікували результати прогнозування моделі за дескрипторами запахів і виявили, що, за винятком мускусу, всі результати прогнозування моделі для молекулярних запахів були в межах розподілу помилок групи людей і перевершували результати прогнозування 30 дескрипторів запахів. :
Згодом дослідники також неодноразово перевіряли продуктивність моделі та отримали відносно стабільний зв’язок між молекулярною структурою та запахом.
Тепер ми вступаємо в самий захоплюючий етап масштабного малювання карт запахів, і нарешті отримуємо наступну картину:
Ви можете зрозуміти наведену вище координатну діаграму, яка вказує на відстань сприйняття запаху, як нескінченно збільшену версію цієї діаграми. У статті згадується, що ця карта містить близько 500 000 молекул запаху, багато з яких навіть не були виявлені або синтезовані (але їх справді можна обчислити).
Щоб зробити більш інтуїтивне порівняння, якби навчений оцінювач шукав ці запахи, знадобилося б близько 70 років безперервної роботи, щоб зібрати їх усі.
Здається, цей документ справді зробив велику справу.
У цей час деякі користувачі мережі запитали, навіщо машині потрібен запах?
Інші також висловили свої власні думки, наприклад, вважають, що його можна використовувати для контролю якості очищення заводських стічних вод, пошуку вибухівки, наркотиків або трупів тощо:
Через це поліцейські собаки та пошуково-рятувальні собаки можуть бути поза службою.
Деякі люди сподіваються створити хороший дезодорант на основі цього, тому що люди будуть видавати неприємний запах після виконання багатьох аеробних вправ, таких як біг або підняття тягарів:
Деякі люди також дуже зацікавлені в медичному застосуванні результатів цього дослідження, наприклад, у розробці нових методів лікування аносмії або виявлення захворювань за допомогою запаху тощо:
Є також практики в парфумерній промисловості, які вважають, що це дуже допомогло їм: «Це говорить моїм колегам, коли вони використовують занадто багато одеколону»:
Ці прогнози насправді не безпідставні. По-перше, машини справді можуть допомогти людям вирішити проблему інколи неточної ідентифікації запахів – дослідження показують, що кожна людина сприймає запахи по-різному, і вони викликають різні реакції на основі сенсорних і фізіологічних сигналів, на які також впливає досвід, очікування, і особистості.або вплив ситуативних факторів.
А запах іноді дуже важливий для людей.
Зайве говорити, що неприємні запахи, деякі шкідливі гази також можуть бути шкідливими для здоров'я. Зараз було б чудово, якби машини могли замінити певні професії, щоб допомогти людям або тваринам працювати.
Для інших професій, де аромат може принести користь, наприклад, парфумерів, кухарів, дизайнерів, художників та архітекторів тощо, також існує потреба у створенні більш функціональних ароматів. У деяких випадках використовуються аромати в навколишньому середовищі. Наприклад, Онкологічний центр Слоуна-Кеттерінга в Нью-Йорку розсіює ванільну олію в повітрі, щоб зменшити клаустрофобію пацієнтів під час магнітно-резонансної томографії (МРТ); Чиказька торгова біржа також розсіює специфічні аромати. Для зниження шуму децибели в торговому залі.
Інші дослідження показали, що більшість людських спогадів, пов’язаних із запахами, виникають у перші десять років дитинства та раннього дитинства, тоді як спогади, створені мовою та зором, зазвичай виробляються у віці від 10 до 30 років. Це частково пояснює, чому запахи можуть викликати віддалені спогади, а спогади, викликані запахами, часто більш емоційно заряджені, ніж спогади, викликані зором або слухом.
Таким чином, зв’язок між нюхом і людиною все ще дуже тісний, але в багатьох випадках нам це нелегко усвідомити.
Припущення користувачів мережі також підтвердив один із авторів статті Алекс Вільчко з компанії Osmo. Він написав у статті, розміщеній на офіційному веб-сайті Osmo,
"Картування запахів є основою для наших ширших цілей. Якщо можна розробити функціональну систему, яка повторює наш ніс або ніс собаки, ми зможемо виявляти захворювання на ранній стадії; штучний інтелект також допоможе лікарям виявляти більшу ймовірність виявлення в клініці. розробляти успішні ліки та краще допомагати хімікам-синтетикам і майстрам-парфумерам у їхній роботі...Наша мета майбутньої роботи — закласти міцну наукову та комерційну основу для покращення здоров’я та щастя людини».
Однак він також зазначив, що в документі все ще є багато недоліків.
Наприклад, неможливо відобразити інтенсивність запаху молекули, а можна лише передбачити, як вона пахне; прогнозується лише запах однієї молекули, але в реальному житті це скоріше змішаний запах; і навіть якщо всі здібності досягнуті, запах не можна передбачити. Тиражування та відновлення також буде великим викликом і так далі.
Нарешті, після стільки сказаного, коментар одного користувача мережі був досить простим: «Я думаю, що це зробить дегустацію вина менш цікавою»:
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Коли ШІ навчиться відчувати запахи, люди зможуть заощадити 70 років роботи
Я не знаю, скільки людей ще пам’ятають Google Nose.
Цей кумедний проект, запущений Google першого квітня 2013 року, стверджує, що має базу даних запахів, що містить 15 мільйонів ароматів. Користувачам потрібно лише ввести ключові слова у вікно пошуку Google і натиснути «запах», щоб відчути запах безпосередньо біля свого комп’ютера. Запах об’єкта, наприклад, запах нової машини, запах багаття, запах єгипетської гробниці (?) тощо.
Саме цей епатажний, але блискучий жарт десятирічної давності його винахідник частково втілює в реальність.
Журнал «Science» на початку вересня цього року опублікував статтю, опубліковану спільно кількома дослідницькими групами, включаючи стартап Osmo (відокремлений від Google) і Monell Chemical Senses Center (Monell Chemical Senses Center), в якому говорилося, що ** моделі ШІ можуть дають машинам кращий «нюх», ніж люди**.
Іншими словами, оцифрувати запах звучить неможливо.
Основне завдання дослідників у цій статті полягає в тому, щоб спробувати створити багатовимірну нюхову карту людини, яка б точно відображала характеристики запаху, тобто POM (Principle Odor Map).
Отже, як саме це робиться?
Ми знаємо, що запах є реакцією нюхової системи людини на певні специфічні молекули, розсіяні в повітрі. Після того, як молекули запаху потраплять в ніздрі, вони реагуватимуть з нюховими клітинами над носовою порожниною (рецепторами), і генеровані біоелектричні хвилі будуть передаватися в мозок через нерви, і тоді запах буде розпізнаний.
Склад запаху насправді набагато складніший, ніж колір і звук. Існують мільйони різних типів, і кожен запах складається із сотень хімічних молекул із різними властивостями. Відповідно, у людини приблизно 400 функціональних нюхових рецепторів, що значно перевищує 4, які ми використовуємо для зору, і приблизно 40, які використовуються для смаку.
Зіткнувшись із таким складним нюховим механізмом, перше, що зробили дослідники, це створили модель машинного навчання — нейронну мережу передачі повідомлень (MPNN).
Це специфічна графова нейронна мережа (GNN), оскільки графова нейронна мережа — це метод глибокого навчання, заснований на структурі графів, який представляє традиційний аналіз графів і надає метод для вилучення ознак із нерегулярних даних, тому він також дуже підходить для навчання складні ознаки запаху.
Після того, як модель побудована, наступним кроком є заповнення її навчальними матеріалами.
Дослідники об’єднали базу даних смаків і ароматів Good Scents і Leffingwell & Associates (GS-LF) і створили набір довідкових даних, що містить близько 5000 молекул як основний навчальний матеріал.Кожна молекула може мати кілька позначок запаху, наприклад фруктовий, квітковий, сирний. , м'ята та інше.
Беручи форму та структуру молекули як вхідні дані, модель може виводити відповідні слова запаху, які найкраще описують певний запах.
Щоб зробити результати навчання точнішими, дослідники також використовують різні методи оптимізації параметрів моделі. Наприклад, базу даних смаків і ароматів GS-LF поділено на набір для навчання та набір для тестування у співвідношенні 8:2, а набір для навчання далі поділено на п’ять підмножин для перехресної перевірки; і використовується алгоритм оптимізації Байєса. для перехресної перевірки даних та оптимізації гіперпараметрів моделі GNN тощо.
Експеримент зрештою сформує таку високовимірну нюхову карту POM (часткову):
Стаття порівняла POM з картами на основі відбитків пальців Моргана, які вивчалися раніше, і виявила, що останні ще не можуть відображати вищезгадану відстань сприйняття:
Кожному з 15 експертів потрібно понюхати 400 запахів. Дослідники дадуть 55 прикметників запахів і попросять їх оцінити 55 варіантів за шкалою від 1 до 5 для кожного запаху, щоб оцінити ступінь придатності кожного прикметника запаху. запах.
Було виявлено, що для 53% досліджуваних молекул модель показала кращі результати, ніж у середньому членів панелі.
Дослідники також класифікували результати прогнозування моделі за дескрипторами запахів і виявили, що, за винятком мускусу, всі результати прогнозування моделі для молекулярних запахів були в межах розподілу помилок групи людей і перевершували результати прогнозування 30 дескрипторів запахів. :
Тепер ми вступаємо в самий захоплюючий етап масштабного малювання карт запахів, і нарешті отримуємо наступну картину:
Щоб зробити більш інтуїтивне порівняння, якби навчений оцінювач шукав ці запахи, знадобилося б близько 70 років безперервної роботи, щоб зібрати їх усі.
Здається, цей документ справді зробив велику справу.
У цей час деякі користувачі мережі запитали, навіщо машині потрібен запах?
Деякі люди сподіваються створити хороший дезодорант на основі цього, тому що люди будуть видавати неприємний запах після виконання багатьох аеробних вправ, таких як біг або підняття тягарів:
А запах іноді дуже важливий для людей.
Зайве говорити, що неприємні запахи, деякі шкідливі гази також можуть бути шкідливими для здоров'я. Зараз було б чудово, якби машини могли замінити певні професії, щоб допомогти людям або тваринам працювати.
Для інших професій, де аромат може принести користь, наприклад, парфумерів, кухарів, дизайнерів, художників та архітекторів тощо, також існує потреба у створенні більш функціональних ароматів. У деяких випадках використовуються аромати в навколишньому середовищі. Наприклад, Онкологічний центр Слоуна-Кеттерінга в Нью-Йорку розсіює ванільну олію в повітрі, щоб зменшити клаустрофобію пацієнтів під час магнітно-резонансної томографії (МРТ); Чиказька торгова біржа також розсіює специфічні аромати. Для зниження шуму децибели в торговому залі.
Інші дослідження показали, що більшість людських спогадів, пов’язаних із запахами, виникають у перші десять років дитинства та раннього дитинства, тоді як спогади, створені мовою та зором, зазвичай виробляються у віці від 10 до 30 років. Це частково пояснює, чому запахи можуть викликати віддалені спогади, а спогади, викликані запахами, часто більш емоційно заряджені, ніж спогади, викликані зором або слухом.
Таким чином, зв’язок між нюхом і людиною все ще дуже тісний, але в багатьох випадках нам це нелегко усвідомити.
Припущення користувачів мережі також підтвердив один із авторів статті Алекс Вільчко з компанії Osmo. Він написав у статті, розміщеній на офіційному веб-сайті Osmo,
Однак він також зазначив, що в документі все ще є багато недоліків.
Наприклад, неможливо відобразити інтенсивність запаху молекули, а можна лише передбачити, як вона пахне; прогнозується лише запах однієї молекули, але в реальному житті це скоріше змішаний запах; і навіть якщо всі здібності досягнуті, запах не можна передбачити. Тиражування та відновлення також буде великим викликом і так далі.
Нарешті, після стільки сказаного, коментар одного користувача мережі був досить простим: «Я думаю, що це зробить дегустацію вина менш цікавою»: