به گزارش ایسنا به نقل از آی ای، وقتی صحبت از علوم اعصاب می شود، یک جنبه مهم آن درک این است که چگونه حواس ما نور را به بینایی، موسیقی را به شنوایی، غذا را به طعم و بافت را به لمس ترجمه می کند. با این حال، اطلاعات مربوط به روابط حسی در مورد بویایی، پژوهشگران را برای مدتی طولانی گیج کرده است.
انسان ها بوی گل ها را مطبوع و بوی غذای فاسد شده را به خاطر وجود پروتئینهای موجود در بینی به نام گیرنده های بو، آزاردهنده می دانند. با این حال، اطلاعات کمی در مورد چگونگی جذب مواد شیمیایی و تبدیل آنها به عطر و رایحه توسط این گیرنده ها وجود دارد.
محققان مرکز حواس شیمیایی مونل و استارت آپ Osmo مستقر در کمبریج ماساچوست برای درک این پدیده، رابطه بین سیستم ادراک بویایی مغز و مواد شیمیایی موجود در هوا را بررسی کردند.
این پژوهش منجر به این شد که دانشمندان یک مدل یادگیری ماشینی ابداع کردند که اکنون میتواند بوی ترکیبات را با مهارت در سطح انسانی به صورت شفاهی توصیف کند.
جزئیات این مطالعه در مجله «ساینس» (Science) منتشر شده است.
تلاش گسترده
حدود ۴۰۰ گیرنده بویایی فعال در انسان وجود دارد. این پروتئین های عصب بویایی با مواد شیمیایی موجود در هوا ارتباط برقرار می کنند تا سیگنالی را به صورت الکتریکی به پیاز بویایی ارسال کنند.
به گفته این پژوهشگران، تعداد گیرنده های بویایی بسیار بیشتر از چهار گیرنده ای است که برای بینایی رنگ یا ۴۰ گیرنده موجود برای چشایی استفاده می شود.
جوئل مینلند، یکی از نویسندگان ارشد این پژوهش و عضو مرکز مونل در بیانیه ای گفت:در تحقیقات بویایی، این سؤال که چه ویژگی های فیزیکی باعث می شود بوی مولکول های موجود در هوا توسط مغز درک شود، همچنان یک معما باقی مانده است. بنابراین گروه ما برای درک رابطه بین نحوه شکل گیری مولکول ها و نحوه درک ما از بوی آنها کار کرد.
این گروه پژوهشی مدلی را ایجاد کرده که می تواند یاد بگیرد که توصیفات از بوی یک ملکول را با ساختار مولکولی بو مرتبط کند.
یک مجموعه داده تجاری حاوی ترکیب مولکولی و ویژگی های بویایی ۵۰۰۰ ماده خوشبو کننده شناخته شده برای آموزش این سیستم استفاده شد. شکل یک مولکول بعنوان ورودی برای الگوریتم عمل می کند که پیش بینی می کند کدام کلمه ها می توانند عطر مولکول را به بهترین شکل توصیف کنند.
علاوه بر این، پژوهشگران برای اطمینان از کارایی این مدل، یک روش اعتبارسنجی کور اجرا کردند که در آن گروهی از شرکت کنندگان آموزش دیده پژوهش، مولکول های جدید را توصیف کردند و سپس پاسخ های آنها را با توضیحات هوش مصنوعی مقایسه کردند.
به ۱۵ شرکت کننده هر کدام ۴۰۰ ماده خوشبو کننده داده شد و آموزش داده شد تا از مجموعه ای متشکل از ۵۵ کلمه- از بوی نعناع تا بوی کپک- برای توصیف هر مولکول استفاده کنند.
نتایج چشمگیر
نهایتا مشاهده شد که مدل هوش مصنوعی در توصیف رایحه ها ۵۳ درصد نسبت به انسان ها بهتر عمل می کند.
این مدل حتی در ویژگی های بویایی که برای آن ها آموزش ندیده بود نیز موفق عمل کرد.
مینلند می گوید:تعجب برانگیز بود که ما هرگز آن را برای یادگیری و توصیف قدرت بو آموزش ندادیم، ولی با این وجود می توانست پیش بینی های دقیقی انجام دهد.
این مدل توانست طیف وسیعی از ویژگی های بو، از جمله شدت بو را برای ۵۰۰ هزار مولکول رایحه اندازه گیری کند و صدها جفت از ترکیبات ساختاری متفاوت را پیدا کند که بوهای مشابهی داشتند.
مینلند می گوید:ما امیدواریم این نقشه برای پژوهشگران شیمی، علوم اعصاب بویایی و روان فیزیک به عنوان ابزاری جدید برای بررسی ماهیت حس بویایی مفید باشد.
ژوهشگران فکر می کنند که نقشه ی برآمده از این مدل هوش مصنوعی می تواند براساس متابولیسم نیز تنظیم شود که نشان دهنده تغییر قابل توجهی در نحوه درک رایحه ها توسط دانشمندان است.
به عبارت دیگر، بوهایی که از نظر ادراکی شبیه به یکدیگر هستند، احتمالاً مسیر متابولیکی یکسانی دارند. در حال حاضر ، دانشمندان ترکیبات را مانند شیمیدانان طبقه بندی می کنند. به عنوان مثال، با پرسیدن اینکه آیا یک مولکول دارای یک اِستر یا یک حلقه معطر است.
به گفته پژوهشگران، این مطالعه به نزدیک تر شدن جهان به دیجیتالی کردن بوها برای ثبت و بازتولید آن ها کمک می کند. همچنین میتواند بوهای جدیدی را برای صنعت عطر و طعم شناسایی کند که نه تنها می تواند وابستگی به گیاهان در معرض خطر انقراض را کاهش دهد، بلکه عطرهای کاربردی جدید را نیز برای استفاده هایی نظیر دافع پشه ها یا پوشاندن بوی بد شناسایی کند.
این گروه سپس می خواهد دریابد که چگونه بوها با یکدیگر ترکیب میشوند تا عطری تولید کند که مغز انسان آنرا بعنوان رایحه ای کاملا متمایز از هر خوشبو کننده دیگری درک کند.
- 16
- 6