Одной из важнейших тем нейробиологии является изучение того, как наши органы чувств интерпретируют свет для зрения, звук для слуха, пищу для вкуса и текстуры для осязания. Обоняние является одним из сложнейших способов познания окружающего мира, и наша способность ощущать запахи всегда представляла невероятный интерес для исследователей. Для более исчерпывающего понимания этого чувства учёные из Центра хеморецепции Монелла и стартапа Osmo разработали ИИ-модель, способную распознавать запахи и превосходящую в этом лучших «носов».
В последние годы машины всё лучше осваивают человеческие чувства, имитируя зрение, вкус и даже осязание, однако оцифровывание обоняния происходит с заметным отставанием. Конечно же, в мире уже есть электронные «носы», способные «вынюхать» раковые клетки в образце крови пациента или оценить качество очистки сточных вод в очистных сооружениях. Однако до сих пор никому не удавалось создать устройства или алгоритмы, способные познать все грани обоняния, а не отдельные секторы этого чувства. Не в последнюю очередь это обусловлено тем, что человеческое обоняние полагается на 400 типов обонятельных рецепторов, в то время как зрение и вкус используют всего 4 и около 40 рецепторов соответственно.
Чтобы исправить это упущение, исследователи из Центра хеморецепции Монелла и компании Osmo создали многослойную систему на базе нейросети, способную анализировать молекулы запахов и описывать – доступным человеку языком, как именно пахнет каждая конкретная молекула. Дальнейшая работа с данной ИИ-моделью позволила учёным создать Principal Odor Map – так называемую «основную карту запаха». По словам ведущего автора исследования Джоэла Мейнленда, одной из главных энигм в сфере исследований обоняния всегда оставалось то, какие физические свойства находящихся в воздухе молекул заставляют их пахнуть, воздействуя на наши обонятельные рецепторы и донося соответствующую информацию до мозга. Если же компьютеру удастся расшифровать взаимосвязь между определёнными параметрами молекулами и тем, как люди воспринимают те или иные запахи, учёные смогут использовать эти данные для более исчерпывающего понимания механизмов взаимодействия мозга и обонятельного эпителия.
Для тренировки ИИ-модели учёные предоставили ей данные о молекулярной структуре 5000 ароматных веществ с краткими описаниями вроде «мятный», «фруктовый» или «затхлый». Далее исследователи пригласили 15 добровольцев, которым предстояло соревноваться с компьютером в точности идентификации запахов. Как люди, так и ИИ получили набор из 400 ароматов и 55 эпитетов для категоризации каждого из них. По итогу теста машина справилась немного лучше людей. Учёных впечатлил неожиданный навык нейросети, которому её не обучали: ко всеобщему удивлению она самостоятельно научилась определять силу ароматов, основываясь на их молекулярной структуре.
В рамках следующего этапа исследования учёные использовали ИИ для «картирования» 500 000 потенциальных молекул ароматов, которые никогда не были синтезированы в реальном мире. По словам специалистов, для выполнения подобной задачи человеку понадобились бы десятки лет, а нейросеть не просто справилась с нею гораздо быстрее, но также идентифицировала множество пар молекул с кардинально разной структурой, но парадоксально близким ароматом. По мнению Мейнленда, подобные карты могут быть полезными в различных отраслях, начиная от биомедицинских исследований и заканчивая разработкой новых запахов для более эффективных репеллентов. В ходе дельнейших экспериментов учёные рассчитывают, что ИИ поможет им организовать ароматические молекулы по метаболическому признаку. Традиционно исследователи систематизируют подобные молекулы по их структурным особенностям, однако для человеческого мозга было бы более логичным учреждать категории ароматических молекул в соответствии с их происхождением / источником.
Источник: A principal odor map unifies diverse tasks in olfactory perception / Brian K. Lee et. al