هوش مصنوعی

هوش مصنوعی یک بینی پرورش می‌دهد

پیش بینی رنگ آسان است: چراغی با طول موج ۵۱۰ نانومتر را روشن کن، مطمئنا بسیاری از افراد می‌گویند رنگ این نور سبز است. اما تصور کردن دقیق آنکه یک مولکول چه بویی دارد واقعا سخت‌تر است. اکنون ۲۲ گروه از دانشمندان کامپیوتر الگوریتمی را طراحی کردند که قادر است بوی مولکول‌های مختلف را بر اساس ساختار شیمیایی آنها پیش‌بینی کند. باید منتظر بود تا دید چقدر این الگوریتم می‌تواند در عمل مفید باشد، اما امید است چنین الگوریتمی بتواند کمک فراوانی به سازندگان عطر و تولید کنندگان مواد غذایی در تهیه عطرهای جدید با همان بوی دقیقا طراحی شده کند.

آخرین پژوهش در رابطه با پیش‌بینی بو توسط بویایی شناسی به نام لسلی وسشان و همکارانش در دانشگاه راکفلر انجام شد، که در آن ۴۹ داوطلب بوی ۴۷۶ ویال (شیشه آمپول) را ارزیابی کردند. داوطلبان بوی هر یک از شیشه‌ها را با ۱۹ توصیف‌گر شامل «ماهی»، «سیر»، «شیرین»، و سوخته برچسپ‌گذاری کردند. آنها همچنین با ایجاد پایگاه داده‌ بزرگی با بیش از یک میلیون داده برای تمام مولکول‌های معطر در پژوهششان شدت و لذت هر بو را درجه بندی کردند.

۲ سال پیش هنگامی که زیست شناس محاسباتی پاپلو مایر این پژوهش بویایی دانشگاه راکفلر را مطالعه کرد فرصتی برای آزمون اینکه آیا دانشمندان کامپیوتر می‌توانند پیش بینی کنند مردم چگونه بوها را احساس می‌کنند پیش روی خود دید. در کنار کار در مرکز تحقیقان توماس واستون آی.بی.ام، مایر چیزی به نام مسابقه چالش‌های آرزوها را نیز رهبری می‌کند. چالش‌های آرزوها مسابقاتی است که در آن از تیم‌هایی از دانشمندان کامپیوتر خواسته می‌شود تا مسائل برجسته بیولوژیکی مانند پیش بینی نتیجه درمان سرطان پروستات بر اساس متغیرهای بالینی یا کشف سرطان سینه با استفاده از داده‌های ماموگرافی را حل کنند. مایر می‌گوید «با مطالعاتی که داشتم پی بردم که بویایی یکی از ناشناخته‌های بزرگ است.» وی همچنین گفت اگرچه دانشمندان ۴۰۰ بوی مختلف در انسان شناسایی کردند، هنوز چگونگی تشخیص بوها یک راز است.

در ۲۰۱۵ مایر و همکارانش مسابقه چالش‌های آرزوها را برای چالش‌ پیش‌بینی بو برگزار کردند. برای این مسابقه آنها داده گروه راکفلر را به سه بخش مجموعه بندی کردند. به شرکت کنندگان مسابقه، ارزیابی داوطلبان از دو سوم بوها با ساختار شیمیایی مولکولی بوها داده شد. همچنین بیش از ۴۸۰۰ توصیفگر برای هر مولکول، مانند اتم‌های سازنده‌ آنها، چگونگی آرایششان، و هندسه آنها داده شد که مجموعه‌ای مجزا از دو میلیون داده بود. سپس از این داده‌ها برای آموزش‌ مدل‌های کامپیوتری برای شناسایی بو از ساختار مولکولی شیمیایی استفاده شد. از بقیه داده‌ها -حاوی دو مجموعه از ۶۹  رتبه‌بندی به همراه اطلاعات شیمیایی آنها- برای آزمودن اینکه چقدر مدلها می‌توانند پیش‌بینی کنند که یک شخص چگونه‌ یک بو را رتبه‌بندی می‌کند و چگونه ۴۹ داوطلب پژوهش راکفلر آنها را رتبه بندی کردند

۲۲ تیم از سراسر جهان در این مسابقه شرکت کردند. بسیاری از تیم‌ها کارشان خوب بود، اما دو تیم کارشان ممتاز بود. تیمی که توسط یوانگفوان گوان، دانشمند کامپیوتر دانشگاه میشیگان رهبری می‌شد بهترین پیش‌بینی از اینکه افراد چگونه بوها را رتبه‌بندی می‌کنند داشت. تیم دیگری که به رهبری ریچارد گرکین از دانشگاه آریزونا بهترین پیش‌بینی از شرکت کنندگان چگونه بوها را رتبه‌بندی می‌کنند داشت. مایر و همکارانش این گزارش امروز در ژورنال ساینس منتشر کردند.

مایر می‌گوید، «یاد گرفتیم که بسیار دقیق می‌توانیم توصیفگرهای بوها را مشخص کنیم.» برای مثال مولکول‌هایی که به گوگرد تمایل دارند بوی «سیر» تولید می‌کنند و مولکول‌هایی که ساختار شیمیایی آنها شبیه به وانیلین و دانه‌های وانیل است بوی شیرینی تولید می‌کنند.

مایر اشاره می‌کند که چنین مدلی ممکن است به شرکت‌های که با تولید عطر و طعم سر و کار دارند در ساخت عطر و طعم‌هایی جدید به وسیله چینش مولکول‌ها کمک می‌کند.  اما اوری گیلبرت، روانشناس زیستی که مدت‌هاست با صنایع تولید کننده عطر و طعم کار می‌کند می‌گوید «زیاد مطمئن نیستم.» به گفته گلبرت این کار جدید و فرآهم آوردن مجموعه عظیم از داده‌ها مفید است، اما ۱۹ توصیفگر مختلف بو بیش از حد محدود است. او می‌گوید «این واقعا عدد کوچکی است.» مطالعات جایگزین از ۸۰ دسته و بیشتر برای رتبه بندی بوهای مختلف استفاده کرده‌اند.

نتیجه اینکه مطالعه حاضر نشان داد که کامپیوترها می‌توانند ۱۹ کلمه‌ای که مردم از آن برای توصیف مجموعه‌ای از بوها استفاده می‌کنند پیش‌بینی کنند، اما چندان روشن نیست که با اضافه شدن بیشتر دسته‌ها چه چالش‌هایی سر راه چنین برنامه‌های هوش مصنوعی پیدا می‌شود. گیلبرت می‌گوید «اگر توصیف‌گرهای متفاوتی داشته باشید، مدل‌های شما پیچیده‌تر خواهد شد و یا بایستی کلا مدل‌های متفاوت دیگری ایجاد شوند، چیزی که من چندان ازش مطمئن نیستم.» شاید این گفته یادآوری این واقعیت باشد که درک بو چالشی باقیمانده برای دانشمندان انسانی و هوش مصنوعی است.

دیدگاه‌تان را بنویسید: