هوش مصنوعی و یادگیری تشخیص دقیق‌تر بوها!
هوش مصنوعی در پیش‌بینی بوی مولکول‌های جدید
سرخط خبرهای علمی درباره ثمربخشی هوش مصنوعی در پیش‌بینی بوی مولکول‌های جدید، جهش‌ها و مرزشکنی‌های زیادی را طی سال‌های اخیر نشان می‌دهد. مجله The Atlantic در سال 2016 با انتشار مقاله‌ای با عنوان «دانشمندان در مهندسی معکوس بوها افتضاح عمل می‌کنند!» با اطمینان اعلام کرد که «نور و صدا قابل پیش‌بینی هستند، اما بوها نه». مرجع اصلی این مقاله، مطالعه‌ای وسیع به شیوه جمع‌سپاری بود که توسط آندریاس کلر و لزلی وسهال از دانشگاه راکفلر و با همکاری پابلو مایر از کمپانی IBM به انجام رسیده بود. نویسندگان مقاله The Atlantic از این مطالعه وسیع استفاده کردند تا بتوانند الگوریتم‌های تاکنون ناکافی و بی‌حاصلی را که در زمینه «مهندسی معکوس» بوی مولکولها به الگوهای اصلی تبدیل شده بودند، توسعه دهند.
پیش بینی بوی مولکول های جدید توسط دانشمندان
شیمیدانان، علی‌رغم این‌که حدود 70 سال از نقش‌آفرینان اصلی در رویارویی با معمای علمی بوها بوده‌اند، هنوز هم بدون کمک روش‌های آزمایشگاهی قدیمی نمی‌توانند با دقت خیلی زیاد پیش‌بینی کنند که مولکول‌های جدید چه بوهایی خواهند داشت؛ یعنی این دانشمندان با استفاده از شامه طبیعی انسان قادر به بررسی و توصیف اثرات بویایی مولکول‌های جدید نیستند. لزلی وسهال روزی درباره مطالعه فوق‌الذکر گفته بود: «خیلی‌ها می‌گفتند که حتی گشودن یک روزنه در این مساله واقعا غیرممکن است... پس این واقعیت که ما اساسا در این مساله پیشرفت کردیم، به اندازه کافی شگفت‌انگیز بود». یافته‌های این محققان غیرقطعی، بدون نتیجه نهایی و نسبتا ابتدایی بود، اما محققان را برای کاوش‌های بیشتر امیدوار کرد و به آنان اعتمادبه‌نفس داد.
ادعای مجله New Scientist در سال 2016
مجله New Scientist هم در سال 2016 ادعای مشابهی را مطرح کرد و با اطمینان اعلام کرد که «شیمیدانان متخصص بویایی هرگز نتوانسته‌اند پیش‌بینی کنند (مگر در موارد خاصی) که یک مولکول معین چه بویی خواهد داشت، چراکه بسیاری از جنبه‌های ساختاری هر مولکول می‌تواند در تعیین بوی آن مهم و نقش‌آفرین باشند». این مانع شناخت‌شناسانه عمدتا به عدم درک مکانیسم‌های بویایی و سرشت ویژه مولکولها برمی‌گردد که همچنان ادامه دارد. بنابراین نه می‌توان از بی‌اعتباری کامل نظریه ارتعاش مولکولی (vibration theory) سخن گفت و نه به اثبات‌پذیری کامل نظریه شکل‌مندی بوها (odotype (shape) theory) اطمینان کرد.
احتمال بیشتر شدن داده‌های نادرست همیشه از پیچیدگی‌های ذاتی فرضیه‌سازی علمی است. مثلا مجموعه‌ای از آزمایشات بر روی مولکول‌های مشخص و دارای نمایه‌های بویایی ساده می‌تواند به نتیجه‌گیری‌های ضد‌ونقیضی منتهی شود که اعتبار نظریه ارتعاشی مولکولها یا نظریه شکل‌مندی بوها را تایید کند، اما کمی بعدتر ممکن است آزمایشات دیگری بر روی ترکیبات پیچیده نهایتا نتایج قبلی را زیر سوال ببرند و بطلان آنها را اعلام کنند. حتی ممکن است همه اینها برعکس رخ دهند! دراقع هیچ چیز پیچیده‌تر از یک عطر مرغوب نیست. هر عطر مرغوب یعنی ایستادن بر قله کاوش‌های حرفه‌ای در قلمرو بویایی؛ کاوش‌هایی که عطرساز را به درهم‌آمیزی عصاره‌های ذاتا پیچیده و عجیب وامی‌دارند تا این‌که درنهایت حتی آکوردهایی پیچیده‌تر از عصاره‌های اولیه خلق کند. تغییرات مولکولی ناچیز در ترکیبات ساده نه‌تنها به تفاوت‌های بزرگ در طبقه‌بندی آنها و کیفیت اثرگذاری‌شان از منظر بویایی منتهی می‌شود، بلکه گیرنده‌های حسی متفاوت و غیرمرتبطی که مختص مولکول‌هایی با ساختار شکلی مشابه و ساختار ارتعاشی مشابه هستند را نیز فعال می‌سازد. افزون بر اینها، غلظت هر عطر هم می‌تواند فعالیت گیرنده‌های حسی را تغییر دهد و از نظر ادراکی هم اثرات متفاوتی ایجاد کند. اما این همه ماجرا نیست، چراکه ذهنیت هر فرد هم نقش خودش را ایفا می‌کند. پروفسور جیسن کاسترو (استاد علوم اعصاب در کالج بیتس Bates) به‌درستی در مقاله مجله The Atlantic اشاره کرده است که «اگر من امروز یک ماده شیمیایی به شما بدهم تا بویش را استشمام کنید و فردا هم دوباره از شما همین کار تکراری را بخواهم، باز هم قوه ادراک شما این ماده شیمیایی یکسان را به‌صورت متنوع و متغیر درک می‌کند. به بیان علمی ما نمی‌توانیم بین یک ترکیب و کیفیت ادراکی از آن، ارتباط تنگاتنگ و ثابتی بیابیم».
هوش مصنوعی و بو: الگوریتمی با قابلیت بویایی از شرکت اینتل 
گزارش کمپانی غول‌آسای گوگل در مجله Wired
کمپانی غول‌آسای گوگل هم گزارشی در مجله Wired منتشر کرده که از تلاش‌های مقدماتی این کمپانی در سال اخیر و در پروژه‌ای به رهبری الکس ویلچکو پرده برمی‌دارد. به‌گزارش این مجله، تیم گوگل در کاوش‌های علمی‌اش «از مجموعه‌ای 5 هزارتایی از مولکول‌های آماده و متعلق به عطرسازان حرفه‌ای استفاده کرده و هر مولکول را با دقت با کلمات توصیفی مانند «چوبی»، «یاس» یا «شیرین» انطباق داده است. محققان از حدود دو‌‌ـ‌سوم این داده‌ها برای آموزش یک شبکه هوشمند استفاده کردند تا در ادامه توانایی این شبکه هوشمند از نظر پیش‌بینی و تشخیص بوی مولکول‌های باقی‌مانده را محک بزنند. با این‌حال، آزمایش این محققان فقط به اندازه مدل‌هایی که قبلا هم توسط گروه‌های دیگر ساخته شده بودند، به نتیجه رسید. درواقع، پیشرفتی رخ داده بود اما از کامل شدن کار خبری نبود.
تکنولوژی رمزگشایی از ساختار بویایی
اواخر ژوئیه امسال اما به‌روزرسانی جدیدی در این موضوع رسانه‌ای شد. محققان دانشگاه کالیفرنیا‌ـ‌ریورساید مقاله‌ای را منتشر کردند که نشان می‌داد برای تشخیص ادراکات طبقه‌بندی‌شده (کیفیات بویایی قابل درک مولکولها) ضرورتی ندارد که همه گیرنده‌های بویایی فعال شوند. همین یافته چشم‌انداز تازه‌ای را پیش روی محققان باز کرد که اگر در ادامه گسترش یابد و تکمیل شود، کامپیوترها را قادر می‌سازد که بوها را بسیار سریع‌تر و راحت‌تر درک کنند. این تیم تحقیقاتی ابتدا کارشان را طبق روال محققان پیش از خودشان انجام دادند، اما در ادامه حدود نیم میلیون ترکیب از لیگاندهای جدید (مولکول‌های متصل‌شونده به گیرنده‌های بویایی) را برای 34 گیرنده بویایی غربالگری کردند. تمرکز آنها در مرحله بعدی نیز بر این بود که آیا الگوریتمی که می‌تواند فعالیت گیرنده‌های بویایی را برآورد کند، توانایی پیش‌بینی و تشخیص کیفیات ادراکی بوهای متنوع را هم دارد یا نه؟ نتیجه نهایی نشان داد که این الگوریتم، 146 طیف درک‌شده از ترکیبات شیمیایی را پیش‌بینی می‌کند و تشخیص می‌دهد. همان‌طور که در این مقاله آورده شده است، محققان دریافته‌اند که «در کمال تعجب، تعداد کمی از گیرنده‌های بویایی برای پیش‌بینی و تشخیص این بوها لازم هستند».
این محققان هم‌اکنون درخواستی رسمی برای دریافت حق ثبت اختراع این تکنولوژی رمزگشایی از ساختار بویایی ارائه داده‌اند و بدین ترتیب یک گام کوچک دیگر در راه درک رمز و راز حس بویایی پیش رفته‌اند.
نویسنده: ادی بولیکی (متخصص تفسیر بوها و مزه‌ها، فارغ‌التحصیل موسیقی‌شناسی و تاریخ هنر)
ترجمه: ندا احمدلو اختصاصی برای عطرافشان
