Si predstavljate stroje, ki so sposobni vohati?

Googlovi raziskovalci učijo nevronske mreže novih tehnik, s katerimi bodo lahko napovedali vonj molekul, glede na njihovo kemijsko strukturo. Google ima svoj parfum — oz. ga ima ena od ekip raziskovalcev. Francoski strokovnjaki na področju parfumov so sestavili prav poseben parfum, ki vsebuje okuse vanilije, melone in jagod. »Niti ni bil tako zelo slab«, pravi Alex Wiltschko, ki hrani glavne sestavine parfuma v svoji kuhinji.

Google sicer na načrtuje prodajo tega parfuma (vsaj ne v kratkem), temveč na njem izvaja zanimive teste enega od človekovih osnovnih občutkov: vonja. V četrtek so raziskovalci Googlovega centra Google Brain objavili članek o tem, kako so natrenirala umetno inteligenten algoritem, ki je sposoben napovedati vonj neke molekule glede na njeno strukturo. Je to enako uporabno, kot zemljevid za uporabnike po svetu? Verjetno ne. Kljub temu pa lahko to na dolgi rok pomeni pomembne inovacije.

Znanost, ki tiči v ozadju

Znanost vonja je povezana s številnimi področji. Svetlobo, na primer, razumemo že stoletja. V 17. stoletju je Isaac Newton z uporabo prizme razdelil belo svetlobo sonca na danes poznano rdečo, oranžno, rumeno, zeleno, modro, indigo in vijolično. Dodatne raziskave so potrdile, da so to, kar dojemamo kot različne barve, različne valovne dolžine. Na drugi strani imamo vonj, ki pa ni tako dobro raziskan, obenem pa je tudi precej bolj kompleksen.

Če so torej valovi in valovne dolžine glavne komponente svetlobe, so molekule glavni gradniki vonja. Ko te molekule pridejo do našega nosu, reagirajo z našimi receptorji, ki potem naprej pošljejo signale majhnemu delu naših možganov, ki je odgovoren za procesiranje vonja. Kar naenkrat si mislimo: »mmm, pokovka«. Znanstveniki lahko pogledajo valovno dolžino in iz tega razberejo, katera barva je, pri vonju pa tega z molekulami ni možno izvesti.

V resnici se je izkazalo kot zelo zahtevno, če želimo ugotoviti vonj neke snovi glede na molekularno sestavo spojine. Če se spremeni samo en atom ali vez, lahko dobimo razliko v vonju kot pri vrtnicah in gnilih jajcih. Wiltschko, ki je vodil Googlovo raziskovalno ekipo na projektu pravi, da je vonj najtežje področju občutkov za raziskovanje.

Kaj pravijo predhodne raziskave?

Obstaja kar nekaj poizkusov, pri katerih so uporabili strojno učenje, da bi z njim detektirali vzorce molekul, zaradi katerih neka snov diši kot čebula, neka druga pa kot roža. Raziskovalci so leta 2015 ustvarili »DREAM Olfaction Prediction Challenge«, projekt, v sklopu katerega so zbrali na stotine različnih vonjev in testirali različne algoritme, ki naj bi bili sposobni ugotoviti vonj molekul.

Nekaj ostalih ekip je uporabilo umetno inteligenco in uspelo uspešno napovedati vonjave. Wiltschkova ekipa pa se je odločila za nekoliko drugače pristop. Uporabili so nekaj, kar se imenuje grafično nevronsko omrežje oz. »graph neural network«. Večina algoritmov strojnega učenja potrebuje informacije v pravokotni mreži, vendar niso vse informacije ustrezne za tovrstno formo. Grafično nevronsko omrežje je, tako kot nakazuje že samo ime, sposobno procesirati grafe, kot so omrežja prijateljev, citatov v neki akademski mreži itd. Napovejo lahko celo to, kdo bi lahko bil naš naslednji prijatelj na družbenih omrežjih. V tem primeru lahko »GNN« procesira strukturo vsake molekule in razume, da je znotraj ene molekule atom ogljika pet mest stran od kisika.

Kako je potekal eksperiment Googlove ekipe?

Googlova ekipa je uporabila skoraj 5.000 kombinacij molekul, ki so jih izbrali parfumerji, ki so seveda strokovnjaki na področju vonjav in so zelo jasno določili opise teh vonjav – recimo »sladko«, »kislo« itd. Raziskovalci so uporabili približno dve tretjini podatkov, da so naučili omrežje, kar je bilo potrebno. Potem so testirali algoritem na preostalem delu podatkov, da bi ugotovili, ali je algoritem natančen pri napovedi vonjav. Algoritem se je izkazal kot kvaliteten.

Tako kot vsak drugi sistem umetne inteligence je tudi Googlov »GNN« omejen na kvaliteto podatkov. Ne glede na vse, Alexei Koulakov, raziskovalec pri Cold Spring Harbor Laboratory pravi, da je projekt pomemben za inkorporacijo novih molekul v podatkovne baze vonjev, ki so po navadi zelo majhne. Te baze bi potem lahko bile kot osnova za izboljšave tega in ostalih algoritmov v prihodnosti. Koulakov še izpostavlja, da za zdaj še ni jasno, ali se lahko iz pridobljenih podatkov karkoli naučimo o strojnemu učenju. To pa zato, ker dizajn nevronskega omrežja ni enak kot človeški sistem vonja.

Kako umetne inteligenca razume vonj in kako ljudje percipiramo vonj bi lahko bile dve popolnoma različne stvari. Dve molekuli lahko dišita različno, pri čemer natreniran nos obe označi kot »sladki«. Wiltschko pravi, da smo ljudje, kar se tiče zaznavanja vonjav, zelo kompleksna bitja.

Poleg vsega je priznal, da »GNN« ne deluje tako kot bi moral na ključnem področju: pri molekulah, ki so sestavljene iz istih atomov in vezi, vendar so postavljene kot zrcalne slike eden drugega. Drugačna orientacija pomeni, da dišijo povsem drugače. »Trenutno že imamo takšne primere molekul v svojih bazah podatkov in zavedamo se, da nikakor ne moremo natančno napovedati, kakšen bo vonj spojin«, pravi Wiltchko. Naslednji korak bo ugotoviti, kako priti do pravih podatkov.

Za konec naj povemo še to, da dotična raziskava ne pove veliko o tem, kako se obnašajo kombinacije vonjav, ki lahko radikalno spremenijo način, kako se obnašajo posamezne molekule. Ugotoviti, kateri vzorci vodijo molekule v določeni vonj, bi bila velika prednost za celotno področje raziskovanja. »Če bi nam uspelo priti do teh dognanj, bi po mojem mnenju to bil velik napredek«, pravi raziskovalec vonja, Johannes Reisert. Samo na tak način lahko tudi nadaljnji algoritmi uspešno opravijo svojo nalogo. Težko si predstavljamo, da bi lahko kateri od algoritmov sicer popolnoma natančno napovedal vonjave.