BU, 07/06/2024
Por Masha Borak
A aprendizagem de máquina tem pavimentado o caminho para o reconhecimento de voz e facial, mas os pesquisadores ainda estão lutando para quantificar o elusivo e às vezes vago sentido do olfato.
A olfação por máquinas, a simulação automatizada do sentido do olfato, é um campo emergente que usa robôs ou outros sistemas automatizados para analisar moléculas no ar. Assim como com a visão e o som, a aprendizagem de máquina é a chave para digitalizar odores porque as máquinas podem aprender a mapear estruturas moleculares que criam odores, e traduzi-los em uma descrição textual, de acordo com Ambuj Tewari, especialista em aprendizado de máquina e professor de Estatística na Universidade de Michigan.
"O modelo de aprendizado de máquina aprende as palavras que os humanos tendem a usar – por exemplo, 'doce' e 'sobremesa' – para descrever o que eles experimentam quando encontram compostos específicos causadores de odor, como a vanilina", escreve Tewari para o The Conversation.
Dispositivos de olfação por máquinas também poderiam nos permitir capturar odores humanos e usá-los como modelos biométricos. Em 2022, cientistas da Universidade Kyushu do Japão desenvolveram um sensor chamado "nariz artificial", que pode autenticar biometricamente uma pessoa pelo cheiro de sua respiração com uma precisão média de mais de 97 por cento.
Algumas empresas já estão apostando no novo campo. A startup de olfação por máquinas, Osmo, recebeu uma doação de US$3,5 milhões da Fundação Bill & Melinda Gates no ano passado, para avançar na plataforma de fragrâncias habilitada para IA da empresa. No início de 2023, também recebeu US$60 milhões em financiamento da Série A liderado pela Lux Capital e Google Ventures.
A empresa, que surgiu da pesquisa do Google, deseja criar um "mapa de odor" para prever como uma molécula cheira a partir de sua estrutura. A plataforma será usada para criar compostos que repelem, atraem e até mesmo destroem insetos que transmitem doenças, como mosquitos.
"A ciência da Osmo revelou uma ligação surpreendente entre a olfação humana e dos insetos, com nosso mapa de odor prevendo como as moléculas cheiram para humanos, bem como para insetos", diz o CEO da Osmo, Alex Wiltschko.
Quantificar o cheiro, no entanto, é uma tarefa desafiadora, e não apenas porque os odores podem ser difíceis de descrever. A internet possui vastas quantidades de conteúdo de áudio, imagem e vídeo que podem ser usados pela aprendizagem de máquina para treinar sistemas de reconhecimento. A olfação por máquinas enfrenta há muito tempo um problema de escassez de dados e, sem conjuntos de dados, os pesquisadores tiveram dificuldades em treinar modelos poderosos de aprendizado de máquina, de acordo com Tewari.
Um avanço foi o Desafio de Previsão de Olfato DREAM 2015, que convidou equipes de pesquisa de todo o mundo a enviar modelos de aprendizado de máquina. Um projeto de pesquisa chamado Projeto Pyrfume disponibilizou mais conjuntos de dados publicamente.
Uma equipe de pesquisa liderada pela Osmo e pelo Centro de Sentidos Químicos Monell no campus do Centro de Ciências da Universidade na Filadélfia, finalmente conseguiu criar um modelo de IA que produziu resultados notáveis na olfação por máquinas. Esta pesquisa abriu caminho para a previsão de odores e a digitalização de odores.
O modelo pode prever descrições de cheiros com base na estrutura de uma molécula. É baseado em um tipo de aprendizado profundo chamado redes neurais gráficas e é treinado em um conjunto de dados de 5.000 odorantes conhecidos. O estudo de pesquisa, que foi publicado na Science em setembro de 2023, descobriu que a IA superou as avaliações humanas individuais para mais da metade (53 por cento) das moléculas testadas, de acordo com a Neuroscience News.
Artigos recomendados: Olfativo e Visão
Nenhum comentário:
Postar um comentário