Τέρμα οι εκπαιδευμένες μύτες. Έρχεται η εποχή που οι υπολογιστές θα μπορούν και να μυρίζουν.
Μπορούμε να καταλάβουμε τη μυρωδιά ενός μορίου οποιουδήποτε υλικού με το να μελετήσουμε απλά τη δομή του; Αν είστε χημικός που ασχολείται ειδικά με την έννοια και τους μηχανισμούς της οσμής, θα πείτε ένα εμφατικό ΟΧΙ!
Ωστόσο, ένα πρότζεκτ που γίνεται από ερευνητές στο Πανεπιστήμιο Ροκφέλερ της Νέας Υόρκης, «έσπασε» το μυστικό των μηχανισμών της οσμής χάρις σε ένα σετ δεδομένων ανοιχτού λογισμικού και μια τεχνολογία αιχμής, μηχανικής εκμάθησης.
Τα αποτελέσματα μπορούν να έχουν ένα τεράστιο πεδίο εφαρμογών, πέρα από τη βοήθεια σε δοκιμαστές οσμών αρωμάτων που αναζητούν την τέλεια οσμή ανάμεσα σε χιλιάδες δείγματα.
Για αρχή, η ερευνητές του πανεπιστημίου ζήτησαν από 49 εθελοντές να υπολογίσουν την οσμή 476 διαφορετικών ουσιών, βασισμένων σε 21 διαφορετικές παραμέτρους περιγραφής. Αυτές οι παράμετροι κάλυπταν από την ένταση οσμής και την ηδύτητα (ευχαρίστηση που προκαλεί) μέχρι το πόσο «πιπεράτη» ή «φρουτώδης» είναι.
Μόλις συγκεντρώθηκαν τα δεδομένα για τις 407 από αυτές τις ουσίες - μαζί με 4.884 άλλες μεταβλητές βασισμένες στη χημική δομή τους - προσπάθησαν να δημιουργήσουν έναν αλγόριθμο που θα έβγαζε συμπέρασμα των δεδομένων οσμής για κάθε μία.
Οι υπόλοιπες 69 ουσίες κρατήθηκαν για να μπορεί να δοκιμαστεί ο νέος αλγόριθμος επάνω τους.
Στο τέλος, ο καθηγητής Richard Gerkin, ένας νευρο-επιστήμονας στο Πανεπιστήμιο της Αριζόνα, στο Τέμπε, κατέληξε στην τελική φόρμουλα.
Ο αλγόριθμός του κατάφερε να προβλέπει τα αποτελέσματα που είχαν καταγράψει οι εθελοντές για τις διάφορες ουσίες, βασισμένος στη μοριακή τους δομή και μόνο! Βέβαια 21 παράμετροι οσμής δεν είναι ίσως αρκετές ακόμη ώστε να προσδώσουν λεπτομερή περιγραφή σε μια οσμή, αλλά δεν παύει να είναι μια εντυπωσιακή αρχή.
Η πιθανότητα να μπορέσουμε τελικά να χρησιμοποιούμε την τεχνολογία αυτού του είδους για να μας βοηθήσει - αρχικά - να βρίσκουμε μια συγκεκριμένη οσμή - ή και γεύση αργότερα - ανάμεσα σε πολλές άλλες, είναι άκρως εντυπωσιακή.
«Τελικά θα μπορούμε να έχουμε μια βάση δεδομένων και να λέμε ... ‘Εντάξει βρες μου τα 100 πιο ξεχωριστά μόρια μέσα από ένα εκατομμύριο’», είπε ο Richard Gerkin στο New Scientist. «100 μόρια είναι πιο εύκολο να δοκιμαστούν».
Το επόμενο βήμα; Η αντιστροφή της φόρμουλας προκειμένου να μπορούμε να προβλέψουμε ποιες οσμές προκύπτουν από τη μίξη διαφόρων ουσιών. Μπορεί να γίνει; Αν κάτι γνωρίζουμε για τη μηχανική εκμάθηση είναι ότι έχει τη δυνατότητα να εξελίσσεται χωρίς τη βοήθειά μας.
Ίσως είναι κοντά λοιπόν η εποχή που οι υπολογιστές μας θα μπορούν να μυρίζουν με ό,τι χρήση μπορεί να βρει εφαρμογή κάτι τέτοιο και ό,τι κι αν σημαίνει αυτό για μας.
Διαβάστε ακόμη: Τα δέκα μεγαλύτερα λάθη στην ιστορία της τεχνολογίας
από Elichord
