Цей новий пристрій може штучним інтелектом розрізняти різні кавові суміші або виявляти, коли їжа чи напій можуть зіпсуватися. Ви коли-небудь замислювалися, чи стару упаковку фруктового соку в задній частині вашого холодильника все ще можна пити? Новий «електронний язик» може вам розповісти.
Система на базі штучного інтелекту (AI) може виявляти проблеми з безпекою та свіжістю їжі. Дослідники повідомили 9 жовтня в журналі Nature, що він також пропонує уявлення про те, як ШІ приймає рішення.
Щоб зробити язик, дослідники використовували іоночутливий польовий транзистор — пристрій, який виявляє хімічні іони. Датчик збирає інформацію про іони в рідині та перетворює цю інформацію на електричний сигнал, який може інтерпретувати комп’ютер.
«Ми намагаємося створити штучний язик, але процес того, як ми сприймаємо різні продукти, включає не тільки язик», — сказав співавтор дослідження Саптарші Дас, інженер з Університету штату Пенсільванія, у заяві. «У нас є сам язик, який складається зі смакових рецепторів, які взаємодіють із видами їжі та надсилають свою інформацію до смакової кори — біологічної нейронної мережі».
У новій системі датчик діє як язик, тоді як AI відіграє роль смакової кори, області мозку, що відповідає за сприйняття смаку. Команда підключила датчик до штучної нейронної мережі, програми машинного навчання, яка імітує те, як людський мозок обробляє інформацію, щоб обробляти та інтерпретувати дані, зібрані датчиком.
Спочатку Дас і його колеги надали нейронній мережі кілька параметрів, щоб використовувати їх для визначення кислотності певної рідини. Використовуючи ці параметри, нейронна мережа визначила кислотність приблизно з 91% точністю. Коли вони дозволили нейронній мережі визначати власні параметри для аналізу кислотності, його точність підвищилася до понад 95%.
Потім вони перевірили язик на реальних напоях. Вони виявили, що система може розрізняти схожі безалкогольні напої або кавові суміші, оцінювати, чи було розбавлене молоко, визначати, коли фруктовий сік зіпсувався, і виявляти шкідливі пер- та поліфторалкільні речовини (PFAS) у воді.
Використовуючи метод аналізу під назвою «Адитивні пояснення Шеплі», дослідники могли визначити, які параметри нейронна мережа вважає найважливішими для висновків. Цей метод може допомогти вченим зрозуміти, як нейронні мережі приймають рішення, що залишається відкритим питанням у дослідженнях ШІ, на думку команди.
«Ми виявили, що мережа розглядає більш тонкі характеристики даних — речі, які нам, як людям, важко правильно визначити», — сказав Дас у заяві. «І оскільки нейронна мережа розглядає характеристики сенсора цілісно, вона пом’якшує варіації, які можуть виникати день у день».
Можливість адаптації до цих варіацій може допомогти зробити датчик більш надійним в інших програмах. У процесі прийняття рішень нейронна мережа враховує варіації, які наразі роблять іоночутливі польові транзистори ненадійними в деяких ситуаціях.
«Ми зрозуміли, що можемо жити з недосконалістю», — сказав Дас у заяві. «І ось що таке природа — вона сповнена недосконалостей, але все одно може приймати надійні рішення, як і наш електронний язик».