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.