Tag Archives: алгоритм

В поисках олфакторных сокровищ

Икитос в АмазонииИкитос — 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.


Алгоритмы-искусствоведы

Frederic BazilleВ мае 2015 вышла статья исследователей из Университета Рутгерз (Saleh & Elgammal, 2015). Они составили коллекцию цифровых изображений 81,449 картин 1,119 художников, начиная с 15 века до наших дней. Компьютерная программа, которую они создали, смогла научиться классифицировать работы по стилю, жанру и художнику. Точность, которую она достигла за короткий срок: 63% точности идентификации по художнику, 60% — по жанру, и 45% — по стилю. Что интересно, эти алгоритмы позволили обнаружить некоторые факты – так, выяснилось. что на творчество некоторых художников было оказано влияние других творцов. Это, понятно, обычное дело, но именно об этих конкретных случаях искусствоведам известно не было.

Norman RockwellНапример, алгоритм обнаружил, что картина француза Фредерика Базиля (Frederic Bazille) «Мастерская на улице Ла Кондамин, 9, в Париже», написанная в 1870 году (в начале статьи), и картина американского художника Нормана Рокуэлла (Norman Rockwell) «Парикмахерская Шаффлтона», написанная в 1950 (выше этого параграфа) весьма похожи. Авторы исследования стали искать сведения о таком факте в истории искусства, но ничего не нашли (статья про эту находку).сравнение двух картинЖелтым выделены очень похожие объекты, красным – схожая композиция, а синим – схожие структурные элементы. Без всяких натяжек можно сказать, что компьютерный алгоритм сделал, пусть и небольшое, но открытие.

Сами исследователи не считают, что такие алгоритмы заменят искусствоведов, но, на мой взгляд, это скромность. Не знаю как вы, а у меня нет сомнений, что вскоре на этом направлении будет еще много достижений. Компьютерные программы учат «понимать» живопись, точность идентификации начнет приближаться к максимуму, мы узнаем еще много интересных фактов из области искусства. Алгоритмы научатся не только «понимать», но и создавать шедевральные картины, скульптуры и музыку.

А что делать нам?

Saleh, B., & Elgammal, A. (2015). Large-scale Classification of fine-art paintings: Learning the right metric on the right feature. Arxiv.org. Полный текст: http://arxiv.org/pdf/1505.00855v1.pdf