Учените отдавна спорят как точно рецепторите на човешкото тяло ни позволяват да възприемаме широк спектър от миризми и да им даваме едно или друго описание. В опит да решат този проблем, екипи от инженери по целия свят бяха помолени да създадат AI, който да възприема миризми, както и хора.
Предсказването на цвета не е толкова трудно: например, ако светлата вълна достигне 510 nm, тогава повечето хора ще кажат, че е зелен. Но да разбера как мирише определена молекула е много по-трудно. 22 екипа от учени са създали набор от алгоритми, които могат да предскажат миризмите на различни молекули въз основа на тяхната химическа структура. Пълният набор от практически приложения на програмата остава да бъде определен, но разработчиците се надяват, че на първо място тя ще помогне на парфюмеристите, фармацевтите и хранителните работници да разработят нови, уникални комбинации от миризми.
Работата започна с неотдавнашно проучване на Лесли Восхол и колегите му от Университета Рокфелер в Ню Йорк, в което 49 доброволци бяха помолени да познаят 467 миризми. За всеки от тях е разработена система за сравнение от 19 основни модела: субектите казват дали миризмата е подобна на риба или чесън, оценяват интензивността и индивидуалната приятност на аромата. В резултат на това беше създаден каталог, наброяващ повече от милион клетки, които характеризират определени миризливи молекули.
Когато изчислителният биолог Пабло Майер разбрал за това, той веднага видял изследването като възможност да провери дали компютърна система може да предскаже как хората ще преценят миризмите. Въпреки факта, че изследователите са открили около 400 рецептора за миризма в човешкото тяло, за учените остава загадка как точно работят заедно, за да може човек да различи дори фините нюанси на миризмите. През 2015 г. Майер и неговите колеги стартираха DREAM Olfaction Prediction Challenge. Участниците в състезанието получиха на свое разположение същите таблици за оценка на доброволци, описващи миризми, заедно с химическата структура на молекулите, които ги произвеждат. Освен това участникът предостави база данни с 4800 описания за всяка отделна молекула - нейните атоми, взаимното им разположение, общата геометрия и др.което в крайна сметка възлиза на около 2 милиона точки от данни. В крайна сметка данните трябва да се използват за обучение на компютърни програми за разпознаване на миризми въз основа на структурна информация.
В състезанието участваха 22 отбора от цял свят, и въпреки че много от тях се справиха добре, два отбора си заслужават да се подчертаят. Екипът на Мичиган, воден от Ian Phan Guang, беше най-добрият в прогнозирането на миризми за отделни артикули. Друг екип от Университета в Аризона, ръководен от Ричард Геркин, беше най-добрият в обучението на програмата за средна оценка на миризмата в пробата. Майер съобщава за това в статия, публикувана в списание Science.
Разбира се, много учени са скептично настроени към развитието, като казват, че извършената работа, макар и да допринася значително за науката, все още е доста примитивна селекция и 19 описателни елемента за целия спектър от миризми в природата очевидно са много, много малко. Алтернативни проучвания с доброволци използваха 80 или повече от тези критерии, за да оценят вербално различни миризми. Не е ясно дали съществуващият алгоритъм ще може правилно да предвиди оценката на миризмата, ако трябва да се справи с такъв масив от информация. И така, днес възприемането на миризми остава загадка както за лекарите, така и за инженерите.
