¿Qué es el código de percepción del olfato, según un modelo de inteligencia artificial?

Más allá de mejorar nuestra comprensión del olfato, esta tecnología podría conducir a avances en las industrias de fragancias y sabores, e incluso ayudar a crear nuevos aromas funcionales. Los detalles

Según Joel Mainland, coautor principal del estudio: “El modelo aborda lagunas de larga data en la comprensión científica del sentido del olfato”. Getty

Un aspecto fundamental de la neurociencia es aprender cómo los sentidos traducen la luz para la vista, el sonido para el oído, la comida para el gusto y la textura para el tacto. Sin embargo, el oler Es donde estas relaciones sensoriales se vuelven más complejas y desconcertantes. Para abordar esta cuestión, un equipo de científicos está investigando cómo las sustancias químicas del aire se conectan con el olfato y qué percepción se produce en el cerebro.

Quizás te interese: Diez palabras claves para entender todo sobre la inteligencia artificial

Con este fin, descubrieron que un modelo de aprendizaje automático ha logrado una habilidad a nivel humano para describir, en palabras, cómo huelen las sustancias químicas. “Aborda lagunas de larga data en la comprensión científica del sentido del olfato”, dijo el coautor principal Joel continentalMiembro del Centro Monell.

Codirigido por Centro de Sentidos Químicos de Monell y la nueva empresa Osmo, con sede en Cambridge, Massachusetts (Estados Unidos), esta investigación sobre aprendizaje automático fue realizada en Google Research y publicada en Ciencia. “Esta colaboración acerca al mundo a la digitalización de los olores, el objetivo es registrarlos y reproducirlos. Además, este modelo puede identificar nuevos aromas para la industria de las fragancias que no sólo podrían disminuir la dependencia de plantas naturales en peligro de extinción, sino también identificar nuevos aromas funcionales para usos como repelente de mosquitos o enmascaramiento de olores”.

El modelo pudo identificar docenas de pares de moléculas estructuralmente diferentes que tenían olores aparentemente similares y caracterizan una amplia variedad de propiedades odoríferas (Freepik)

Los humanos tenemos aproximadamente 400 receptores olfativos funcionales, proteínas al final de los nervios olfatorios que se conectan con moléculas en el aire para transmitir una señal eléctrica al bulbo olfatorio. Su número es mucho mayor que el que se utiliza para la visión de los colores (cuatro) o incluso el gusto (alrededor de 40).

Le puede interesar: Por qué las “alucinaciones” en inteligencia artificial son tan peligrosas

“Sin embargo, en la investigación del olfato, la cuestión de qué propiedades físicas hacen que una molécula en el aire huela como lo hace en el cerebro sigue siendo un enigma”, dijo Mainland. Pero si una computadora puede discernir la relación entre cómo se forman las moléculas y cómo percibimos finalmente sus olores, los científicos podrían usar ese conocimiento para avanzar en nuestra comprensión de cómo nuestro cerebro y nuestra nariz funcionan juntos”.

Para abordar esto, el CEO de Osmo, Alex Wiltschko, y su equipo crearon un modelo que aprendió a relacionar las descripciones en prosa del olor de una molécula con su estructura molecular. El mapa resultante de estas interacciones es esencialmente agrupaciones de olores con otros similares, como el dulce floral y el dulce caramelo. “Las computadoras han podido digitalizar la visión y el oído, pero no el olfato, nuestro sentido más profundo y antiguo”, afirmó el especialista. “Este estudio propone y valida un nuevo mapa del olfato humano basado en datos, que relaciona la estructura química con la percepción del olor”.

Mainland afirmó: “Esperamos que este mapa sea de utilidad para investigadores en química, neurociencia olfativa y psicofísica” (Foto: El Español)

Identificar olores

El modelo se entrenó utilizando un conjunto de datos de la industria que incluía las estructuras moleculares y las cualidades de 5 mil olores conocidos. Los datos de entrada son la forma de una molécula y el resultado es una predicción de qué palabras olfativas describen mejor su olor.

Le puede interesar: ¿Una segunda revolución neolítica?: La Inteligencia Artificial ocupa el espacio del lenguaje y la religión

Para probar la eficacia del modelo, los investigadores de Monell llevaron a cabo un procedimiento de validación ciega en el que un panel de participantes capacitados en la investigación describieron nuevas moléculas y luego compararon sus respuestas con la descripción del modelo. A los 15 panelistas se les dieron 400 odorantes cada uno y se les entrenó para usar un conjunto de 55 palabras, desde menta hasta mohoso, para describir cada molécula. “Nuestra confianza en este modelo sólo puede ser tan buena como nuestra confianza en los datos que utilizamos para probarlo”, dijo el coautor. Emily Mayhew, doctoraquien realizó esta investigación mientras era becaria postdoctoral en Monell.

El equipo proporcionó a los panelistas kits de referencia de olores diseñados en laboratorio para enseñarles cómo reconocer olores y seleccionar las palabras más apropiadas para describir su percepción. Para evitar los errores de estudios anteriores, como la combinación que hicieron los panelistas de “mohoso”, como un sótano húmedo, y “almizclado”, como un perfume, las sesiones de capacitación y los kits de referencia de olores diseñados en laboratorio enseñaron a cada panelista la calidad del olor asociada con cada término descriptivo.

El ser humano tiene alrededor de 400 receptores olfativos funcionales que transmiten una señal eléctrica al bulbo olfatorio (foto: El Carabobeño)

Se pidió a los panelistas que seleccionaran cuál de los 55 descriptores se aplicaba y calificaran qué tan bien se aplicaba mejor el término al olor en una escala del 1 al 5 para cada uno de los 400 olores.

El control de calidad también es importante en la comparación final de los rastreadores humanos con el modelo informático. Ahí es donde entra en juego la coautoría. Jane Parkerprofesor de química del sabor, Universidad de lectura, Reino Unido. “He trabajado con el olfato durante muchos años, confiando principalmente en mi propia nariz para describir los aromas”, dijo.

Su equipo verificó la pureza de las muestras utilizadas para probar la predicción del modelo. Primero, la cromatografía de gases les permitió separar cada compuesto de una muestra, incluidas las impurezas. A continuación, Parker y su equipo olfatearon cada compuesto por separado para determinar si alguna impureza anulaba el olor conocido de la molécula objetivo. “Encontramos algunas muestras con impurezas importantes, entre las 50 analizadas”, afirmó el experto. En un caso, la impureza provino de trazas de un reactivo utilizado en la síntesis de la molécula objetivo y le dio a la muestra un olor mantecoso distintivo que superó al olor de interés. En este caso Pudimos explicar por qué el panel había descrito el olor de manera diferente a la predicción de la IA.”.

El modelo se entrenó utilizando un conjunto de datos de la industria que incluía las estructuras moleculares y las cualidades de 5.000 odorantes conocidos.

Al comparar el desempeño del modelo con el de los panelistas individuales, el modelo logró mejores predicciones de las calificaciones de olor promedio del grupo que cualquier panelista individual en el estudio, dejando de lado las impurezas. Específicamente, el modelo funcionó mejor que el panelista promedio en el 53% de las moléculas probadas. “Sin embargo, el resultado más sorprendente es que el modelo tuvo éxito en tareas olfativas para las que no estaba entrenado”, añadió Mainland. Lo que nos abrió los ojos fue que nunca lo entrenamos para que conociera la intensidad del olor, pero aún así podía hacer predicciones precisas”.

El modelo pudo identificar docenas de pares de moléculas estructuralmente diferentes que tenían olores aparentemente similares y caracterizaron una amplia variedad de propiedades de olor, como la intensidad de 500.000 moléculas potenciales. “Esperamos que este mapa sea útil para los investigadores en química, neurociencia olfativa y psicofísica como una nueva herramienta para investigar la naturaleza de la sensación olfativa”, dijo Mainland.

El equipo plantea la hipótesis de que el mapa modelo se puede organizar en función del metabolismo, lo que supondría un cambio fundamental en la forma en que los científicos piensan sobre los olores. En otras palabras, los olores que están cerca unos de otros en el mapa, o perceptivamente similares, también tienen más probabilidades de estar relacionados metabólicamente. Hoy en día, los científicos sensoriales organizan las moléculas como lo haría un químico, preguntando, por ejemplo, si tienen un éster o un anillo aromático. “Nuestros cerebros no organizan los olores de esta manera”, añadió Mainland. “En cambio, este mapa sugiere que nuestros cerebros pueden organizar los olores según los nutrientes de los que se derivan”.

Temas relacionados

Inteligencia artificialSmellSensesAILúltimas noticias

Categories: Últimas Noticias
Source: pagasa.edu.vn