Искусственные нейронные сети приобретают способность чувствовать запахи так же, как это делает человеческий мозг.

Всего за несколько минут компьютерная модель может научиться чувствовать запахи с помощью машинного обучения. Согласно выводам исследователей, она формирует нейронную сеть, в точности повторяющую обонятельные схемы мозга животных, которые анализируют запаховые сигналы, когда делают это.

Гуанью Роберт Янг, младший научный сотрудник Института исследований мозга Макговерна при Массачусетском технологическом институте, заявил: «Используемый нами алгоритм имеет мало общего с естественным эволюционным процессом».

Янг и его команда считают, что их искусственная сеть поможет исследователям больше узнать об обонятельных путях мозга. Кроме того, эта работа демонстрирует полезность искусственных нейронных сетей для нейронауки. «Продемонстрировав, что мы можем точно соответствовать дизайну, я считаю, что мы можем повысить уверенность в том, что нейронные сети будут оставаться полезными инструментами для моделирования мозга», – говорит Янг.

Нейронные сети — это вычислительные инструменты, вдохновленные мозгом, в которых искусственные нейроны сами создают соединения с другими нейронами для выполнения определенных задач. Их можно обучить распознавать закономерности в больших массивах данных, что делает их полезными для распознавания речи, изображений и других форм искусственного интеллекта. Существуют доказательства того, что нейронные сети, которые делают это лучше всего, отражают деятельность нервной системы. Однако Ванг отмечает, что иначе организованные сети могут давать сопоставимые результаты, и неврологи до сих пор не уверены, точно ли искусственные нейронные сети воспроизводят схему биологических цепей. Он утверждает, что, имея подробные анатомические данные об обонятельных цепях плодовых мушек, «мы можем ответить на вопрос: Можно ли использовать искусственные нейронные сети для понимания мозга?».

Ученые поставили перед сетью задачу классифицировать данные, представляющие различные запахи, и правильно классифицировать отдельные ароматы и даже смеси запахов.

Искусственная сеть самоорганизовалась в считанные минуты, а полученная структура была поразительно похожа на мозг плодовой мушки. Каждый нейрон в слое сжатия получал информацию от определенного типа входного нейрона и, по-видимому, был соединен специальным образом с несколькими нейронами в слое расширения. Кроме того, каждый нейрон в слое расширения получает связи в среднем от шести нейронов в слое сжатия – точно так же, как это происходит в мозге плодовой мушки.

Теперь исследователи могут использовать модель для дальнейшего изучения этой структуры, изучая, как сеть развивается при различных настройках, изменяя схему таким образом, который невозможен экспериментально.

Подобные работы происходят по всему миру. Недавно японские исследователи предсказали письменные описания запаха, используя масс-спектры молекул и технологии обработки естественного языка.

Исследователи исследовательской лаборатории IBM предсказывали качества запаха, используя вкрапления слов и химико-информационные представления химических веществ.

То, как мозг обрабатывает запахи, заставляет ученых переосмыслить принципы построения алгоритмов машинного обучения. В области машинного обучения запах остается самым загадочным из чувств, и исследователи рады продолжать вносить свой вклад в его понимание путем дополнительного фундаментального изучения. Перспективы будущих исследований обширны: от разработки новых обонятельных химикатов, более доступных и устойчиво производимых, до оцифровки запаха или, возможно, когда-нибудь предоставления доступа к ароматам тем людям, у кого нет обоняния.

Источник

Икитос – место, куда трудно попасть. Расположенный глубоко в перуанской Амазонии, город доступен только с воздуха или воды – ни одна дорога не связывает его с остальным миром. Но для Стефана Пикара эта удаленность является частью привлекательности. Разведчик запахов из французской парфюмерной компании Behave, Пикарт отправился в Икитос на поиски новых ароматов. В частности, он искал корень душистого растения, который местная народность шипибо использует для приготовления зелья любви и дружбы. Корень, который шипибо называют пири-пири, обладает удивительным фруктово-кожаным ароматом, который Пикарт привнес в парфюмерию.

Посещение изолированных мест в поисках новых запахов показывает, насколько увлечены парфюмеры к поиску ольфакторного золота. Этому способствует мощь парфюмерной индустрии. Это бизнес всегда был большим, но сейчас он стал огромным, с годовым объемом продаж 70 миллиардов долларов по всему миру не только парфюмерии, но и всего остального – от мыла и шампуня до свечей и освежителей воздуха. Это много денег, которые можно потратить на приятные запахи. Но что заставляет нас любить те запахи, которые мы любим?

Обоняние – наименее изученное из наших основных чувств, что делает этот вопрос удивительно сложным. Неврологи, психологи и даже исследователи искусственного интеллекта начинают раскрывать тайны того, как мы воспринимаем запахи, и в то же время исследователи ароматов придумывают новые способы, чтобы пощекотать наши обонятельные нейроны.

Первый наглядный урок о том, что такое хороший запах является то, что в разных культурах существуют разные представления о том, какие запахи приятны. «В Европе люди любят анис», – говорит Кристоф Лаудамиэль, мастер-парфюмер, работающий в Нью-Йорке и Берлине. Но в США этот запах не любят.

Личный опыт играет ключевую роль в суждениях о приятности запаха. В отличие от других основных органов чувств, нервные импульсы связанные с обонянием, напрямую подключаются к лимбической системе, отвечающей за память и эмоции. В результате мы оцениваем приятность запахов по эмоциональным воспоминаниям, которые они вызывают. «Простой пример – аромат гвоздики», – говорит Чарльз Селл, химик, вышедший на пенсию из компании Givaudan, крупнейшей в мире парфюмерной компании. «Я люблю его, потому что, когда я был ребенком, моя мама обычно пекла яблочный пирог и добавляла в него гвоздику. Но гвоздичное масло также используется в стоматологии, так что кому-то, кто имел травматический опыт лечения зубов, когда было гвоздичное масло, гвоздика не понравится».

На самом деле, Селл категорически утверждает, что все запаховые предпочтения – от нашего пристрастия к ванили до от пристрастия к ванили до отвращения к гниению – являются выученными. В качестве доказательства он указывает на готовность маленьких детей исследовать что угодно. «Они будут делать вещи, которые вызывают отвращение у взрослых, например, пытаются съесть содержимое своих подгузников», – говорит он. «Это немедленная отвратительная реакция их родителей, которая учит их, что это плохой запах».

Это мнение разделяют многие эксперты, хотя исследований, подтверждающих его, на удивление мало. Некоторые исследования, однако, показывают, что одна и та же молекула может пахнуть приятно или неприятно, в зависимости от того, какие ассоциации вызываются. Многие сыры, например, содержат ту же пахучую молекулу – изовалериановую кислоту, как и потные носки, говорит Андреас Келлер, исследователь обоняния и независимый консультант из Нью-Йорка. «Всем нравится запах, когда им говорят, что пахнет сыр. Никому не нравится когда им говорят, что это грязные носки», – говорит он. «Запах не изменился, но изменилось суждение. Этим суждениям, очевидно, все учатся».

Есть еще один слой в этом споре – тот, который требует более глубокого объяснения того, как обоняние работает. В отличие от зрения или слуха, которые создают четкие определенные аспекты мира – узкий диапазон длин волн света и еще более узкая полоса для звуковых соответственно, наше обоняние призвано распознавать по существу бесконечное количество различных молекул.

Для этого в нашем носу имеется около 400 различных рецепторов запаха. Ученые до сих пор не до сих пор не пришли к единому мнению о том, как эти рецепторы распознают молекулы пахучих веществ: большинство считает, что форма каждой молекулы  соответствует дополнительной форме на поверхности рецептора, но некоторые считают, что по крайней мере некоторые рецепторы работают, воспринимая частоту вибрации в связях молекулы. Однако, как бы это ни происходило, каждый рецептор распознает разный, часто пересекающийся набор пахучих веществ. То, что что мы распознаем как запах, является аккордом, сыгранным на фортепиано с 400 клавишами.

Картина становится еще более сложной, потому что у каждого из нас свой репертуар рецепторов запаха. «Никто не чувствует запахи одинаково», – говорит Селл. И небольшие генетические различия между людьми могут влиять на то. насколько хорошо рецептор цепляется за запахи. Это важно, потому что интенсивность запаха имеет большое значение для нашего восприятия приятности. При низких концентрациях запах может быть привлекательным, но по мере увеличения интенсивности, люди начинают находить его все менее и менее приятным, говорит Джоэл Мейнланд, исследователь обоняния в Центре химических чувств Монелла в Филадельфии, штат Пенсильвания. Индивидуальные различия в рецепторах могут влиять на воспринимаемую интенсивность, а значит, и на восприятие приятности.

Это может помочь объяснить, например, почему люди с одним из вариантов рецептора запаха OR6A2, скорее всего, получат больше удовольствия от запаха кориандра, чем люди с другим вариантом. Слизь, выстилающая носовую полость, содержит ферменты, которые могут изменять молекулы пахучих веществ еще до того, как они достигнут рецепторов. Пока никто не знает, насколько насколько эти ферменты влияют на восприятие запахов, но есть намеки на то, что они могут быть важными. Например, некоторые люди описывают определенную молекулу как древесную, в то время как другие описывают ее как малиновую. При ближайшем рассмотрении оказывается, что что эти две группы различаются не рецепторами запаха, а ферментом CYP2A13, который преобразует молекулу с древесным запахом в молекулу с запахом малины.

Эти индивидуальные различия не помешали ученым решить большой вопрос о том, что именно делает запах привлекательным. Учитывая молекулярную структуру запаха, можем ли мы предсказать, насколько приятным он покажется людям? Первая подсказка о том, что это возможно, появилась более десяти лет назад. Ноам Собель из Научного института Вейцмана в Израиле и его коллеги попросили 185 человек оценить приятность 90 анонимных запахов. Затем они обратились к базе данных физических характеристик молекул, включающую более 1500 характеристик – от количества атомов до различных показателей формы, и использовали статистику, чтобы выяснить, какая комбинация характеристик наилучшим образом предсказывает оценку приятности.

Они обнаружили, что лучшие запахи, как правило, исходят от больших, более разрозненных молекул, в то время как более мелкие и компактные, как правило, пахнут отвратительнее. Чтобы обеспечить независимую проверку этого вывода, команда Собела предсказала приятность 27 запахов, не использованных в предыдущих экспериментах, а затем попросили людей оценить эти запахи. Как оказалось, молекулярный размер и компактность оказались хорошим, хотя и не идеальным, предсказателем оценки приятности.

С тех пор было проведено еще несколько исследований, которые дали более или менее одинаковый результат. «Но почему система эволюционировала, чтобы извлекать этот конкретный химический аспект мира? У меня нет хорошего объяснения», – говорит Собел. Ответ может быть связан с тем, как наши предки-охотники-собиратели оценивали свежесть потенциальных продуктов питания. «Чем больше молекула, тем более неповрежденным является материал, который вы пахнет», – говорит Келлер. «Бактерии разложения поедают крупные соединения и расщепляют их на более мелкие молекулы. Чем меньше молекулы, тем дальше вы от жизни».

Искусственный интеллект может пойти еще дальше в предсказании запахов. В 2017 году Келлер и его коллеги объявили о результатах своего DREAM Olfaction Prediction Challenge, международного конкурса, целью которого было выяснить, существует ли способ определить, как пахнет молекула, только по ее структуре. Участникам конкурса были предоставлены данные о более чем 400 различных молекул, оцененных в соответствии с их приятностью и другими качествам, таким как фруктовость, пряность и цветочность, а также физические описания каждой молекулы. Цель исследования заключалась в том, чтобы выяснить какой алгоритм машинного обучения лучше всего предсказывает сенсорные атрибуты по молекулярной структуры. После того, как заявки были получены, исследователи проверили точность каждой предсказаний каждой программы на 69 других молекулах.

Победил алгоритм, разработанный Риком Геркином из Университета штата Аризона и его коллегами, был примерно на 50 процентов точен в предсказании оценок приятности. Это лучше, чем кажется, потому что у человека оценка одной и той же молекулы несколько варьируется от момента к моменту. Эта вариация устанавливает верхний предел точности – в данном случае на уровне около 65 процентов – для любого алгоритма. Алгоритм Геркина, другими словами, предсказывал оценки людей по приятности почти так же хорошо как люди. Он также мог успешно предсказывать такие дескрипторы, как «чеснок», «рыба», «горелый» и «кислый», что открывает возможность предсказания качеств практически любой молекулы, и даже обратного проектирования одорантов, начиная с целевого запаха и  затем создать молекулу с этим запахом.

Чей нос

Но у этих усилий есть большой недостаток: они сосредоточены на отдельных молекулах. «Не существует ситуации, когда вы встречаете только один тип молекулы запаха в природе, поэтому все мы изучали стимул, который мозг не эволюционировал для декодирования», – говорит Собел. «Это было бы немного как если бы вы сказали, что попытаетесь понять, как мозг обрабатывает язык. Он не делает это, изучая чистые тона. Это просто не работает таким образом». Собел сейчас изучает, как люди воспринимают смеси запахов, хотя он не хочет говорить о своих последних результатах, потому что они еще не опубликованы.

Сотни химических веществ, содержащихся в жареных соединениях, таких как кофе или хлеб, придают богатство их ароматам, с которыми не могут сравниться более простые смеси. У мастеров-парфюмеров есть несколько своих хитростей, когда дело доходит до создания этого богатства в своих собственных композициях. Обычный аромат, будь то мыло или изысканный парфюм, обычно содержит несколько десятков ингредиентов, и парфюмер должен правильно подобрать дозу каждого из них, чтобы ни один запах не доминировал.

Парфюмеры также наслаивают ингредиенты, которые испаряются с разной скоростью, так что аромат со временем эволюционирует от мимолетных верхних нот к более продолжительным базовым нотам. Удивительно, но очень малое значение имеет то, приятный ли запах у отдельных ингредиентов. Чтобы придать сложности своим формулам, парфюмеры часто включают небольшое количество неприятно звучащих «животных» ингредиентов, таких как пахнущий фекалиями скатол или анальные выделения циветты, небольшого млекопитающего из Азии и Африки.

Желание придать ароматам пикантность стимулирует охоту за новыми молекулами для парфюмерных компаний. Именно это привело Пикарта в перуанскую Амазонку и во многие другие отдаленные уголки мира. Там нет недостатка в новых ингредиентах. «Есть много, много вещей, которые пахнут.  Мы открыли только 20 процентов, возможно». Однако многие компании предпочитают, чтобы чтобы их химики синтезировали ключевые отдушки в лаборатории. При таком подходе, кто знает какие экзотические молекулы мы будем нюхать в будущем.

Что же остается нам в поисках того, что именно делает запах хорошим?

Восприятие запахов — это сложный, субъективный и контринтуитивный бизнес, где даже даже отвратительные на первый взгляд запахи могут быть привлекательными. Простой формулы не существует. Но это не это не повод для того, чтобы воротить нос.

Holmes, D. (2019). Sniffing out the ultimate smell. New Scientist, N 3232, 1 June 2019.

Все эти лица – не реальных людей; они были сгенерированы машинным методом (фото кликабельно). Это из работы исследователей из NVIDIA*.

Но они насколько живые, что можно сочинять истории, которые могли приключиться с этими людьми. Эти люди не существуют, а их лица и эмоции мы видим. Есть в этом что-то неудобное, что-то странное. Было бы легко, наверное, примириться с десятком-сотней таких лиц, но их же можно нагенерировать миллиарды.

Наверняка, этим датасетам найдется применение – как полезное, так и вредоносное. Интересно, ведь будет возможно нагенерировать очень красивых лиц и перенасытить наше восприятие этим социальным и бологическим конструктом красоты, когда мы не будем знать наверняка, существуют они в реальности или нет. Принесет ли это повышение эстетических требований к реальным людям, или, наоборот, красота подвергнется инфляции, как раз из-за чрезмерной стимуляцией?

Боты, с такими лицами и сгенерированными биорафиями и персональными характеристиками, безусловно, будут еще активнее использоваться для манипулирования нашим поведением, ведь мы склонны доверять выбору большинства. Это должно привести к критическому снижению доверия к онлайн персонам.

Но все же это кажется вторичным. Вот два лица, и одно из них – несуществующего человека. Кто это, как мы можем это определить, и быть на 100% уверенным в этом? И зачем это знать и важно ли это?**

А среди этих – кто реальный, а кто живет только в компьютере (Heaven, 2018)*** :

А вот картинки из статьи более года назад, и все, что мы видим: фигуры людей, деревьев, дороги, машины, светофоры, также было сгенерированно:

Сравнительно скоро мы можем смотреть кино, где все сгенерированно, включая каждый листочек каждого несуществующего дерева, в несуществующем городе, где играют цифровые актеры, с лицами в таком разрешении, что можно пересчитать каждую пушинку на носу, они лучше нас будут изображать несуществующие эмоции, и их жизнь будет казаться реальнее нашей.

*В работе также представлены датасеты спален, автомобилей и котиков, также нагенерированных этим же методом.

**Лицо реальной девушки – справа.

*** Все лица несуществующих людей.

Heaven, D. (2018). Rise of the nobodies. New Scientist, N 5169.

Встреча с Майком Бутчером, главным реактором TechCrunch в Цифровом Октябре 2 июня с темой Artificial Intelligence & Exponential Future.

Интересно, что на встрече отношение к ИИ было скорее восхищенное и благодушное. Так, например, Майк несколько раз упоминал самоуправляемые автомобили как пример растущей автоматизации. Однако чуть позже Майк отмечал, что художники и другие творческие профессии – в безопасности от захвата их деятельности искусственным интеллектом.

Лет 10-13 назад группа весьма уважаемых экспертов из Гарвардского университета говорила о том, что очень многие виды деятельности будут автоматизированы, и никуда от этого не деться. Только вот, как ни крути, сказали они, но профессия водителя грузовика – настолько сложная и замысловатая, что ей ничего не грозит от ИИ. В тот же год DARPA запустила конкурс на создание самоуправляемой машины. “Никогда не говори никогда”.

Вот и на слайде выше сказано, что до 60% всех работ в течение 20 лет будут автоматизированы. Больше всего хотел бы знать, что это за оставшиеся 40% – это что такое будут продолжать делать люди, с чем не справятся машины?

Впрочем, хотел я узнать на этой встрече вполне практичные вещи, но не удалось. Читал уже довольно давно о том, как одна группа создала приложение машинного обучения и начала “тренировать” его тысячами научных статей. И сеть начала находить связи и паттерны между фактами, гипотезами и темами научных работ. Понятно, что не очень хорошо, но всяко лучше, чем ничего, потому что люди без машин никогда просто не смогли и не  смогут это сделать. Вот с такой программой я бы поигрался, но увы, пока для пользователей вроде меня такое еще недоступно.

Кто-нибудь может подсказать программы, использующие то, что принято сегодня называть ИИ, с графическим интерфейсом и не требующих знаний программирования? Что-нибудь из этой картинки:

карта с сайта http://machinelearningmastery.com