اختراع زبان الکترونیکی برپایه هوش مصنوعی برای چشیدن غذاها

شبکه عصبی به‌کاررفته در این زبان الکترونیکی، توانسته است، در مقایسه با شاخص‌های انتخاب انسانی، به نوعی چشایی با دقت بیش از ۹۵ درصد برسد

تصویر تزئینی از ادویه‌ها-عکس ترکیبی از کانوا و penn state research institutes

دانشمندان زبانی الکترونیکی‌ ساخته‌اند که طعم‌های مختلف را بهتر از انسان تشخیص می‌دهد.
تیم [پژوهشی] دانشگاه ایالتی پنسیلوانیای ایالات متحده مدعی است که دستگاهی با زیرساخت گرافن می‌تواند در تشخیص تغییرات شیمیایی و محیطی «انقلابی» پدید آورد، [دستگاهی] که می‌توان در موارد بسیاری، از تشخیص بیماری‌ها گرفته تا شناسایی فاسدشدن خوراکی‌ها، از آن استفاده کرد. 
این فناوری جدید همچنین بینشی بی‌همتا درباره «افکار ناپیدای» هوش مصنوعی ارائه می‌کند، حوزه‌ای که تا امروز به‌دلیل آنچه «مشکل جعبه سیاه» نامیده می‌شود کمتر شناخته شده است.
این تیم [پژوهشی] با نوعی مهندسی معکوس به چنین نتیجه‌ای رسیده است، یعنی با بررسی شیوه عملکرد شبکه عصبی در [روند] رسیدن به نتیجه نهایی و تشخیص تفاوت انواع مختلف شیر، قهوه و نوشیدنی‌های گازدار.

Read More

This section contains relevant reference points, placed in (Inner related node field)


این فرایند نوعی «نگاه اجمالی به روند تصمیم‌گیری شبکه عصبی» در اختیار محققان گذاشته است و به گفته آن‌ها می‌تواند به بهبود ایمنی و توسعه هوش مصنوعی بینجامد.
ساپتارشی داس، استاد علوم مهندسی و مکانیک دانشگاه ایالتی پنسیلوانیا می‌گوید: «ما می‌کوشیم نوعی زبان مصنوعی بسازیم، اما فرایند چشیدن طعم‌های مختلف صرفا کار زبان نیست. گیرنده‌های چشایی زبان [انسانی] که داریم با انواع غذاها در تعامل‌اند و اطلاعات [مربوط به طعم] آن‌ها را به مرکز چشایی مغز ارسال می‌کنند- که یک شبکه عصبی زیست‌شناختی است.»
شبکه عصبی به‌کاررفته در این زبان الکترونیکی، توانسته است، در مقایسه با شاخص‌های انتخاب انسانی، به نوعی چشایی با دقت بیش از ۹۵ درصد برسد.
محققان با به‌کارگیری روشی به نام «توضیحات برهم‌افزودنی شپلی» (SHapley Additive exPlanations) توانسته‌اند فرایند تصمیم‌گیری شبکه عصبی را بکاوند.
شبکه عصبی [در این پژوهش] به‌جای بررسی جداگانه شاخص‌های تعیین‌شده از سوی انسان، اطلاعات [یا شاخص‌هایی] را که خودش در سنجش طعم‌های مختلف مهم شمرده بود بررسی کرد.
داس می‌گوید: «متوجه شدیم که این شبکه در [میان] اطلاعات [دریافتی] به ویژگی‌های ظریف‌تر توجه می‌کند- یعنی به چیزهایی که ما انسان‌ها به‌سختی می‌توانیم آن‌ها را تعریف کنیم.»
«این شبکه عصبی، چون ویژگی‌های حس‌گر را به‌شکل جامع در نظر می‌گیرد، از [اهمیت] تغییراتی که هر روز رخ می‌دهند می‌کاهد. درمورد شیر این شبکه میزان آب متغیر موجود در شیر را مشخص می‌کند، و با توجه به آن تعیین می‌کند که آیا نشانه‌های فساد و خرابی شیر آن‌قدر جدی‌اند که نوعی مشکل ایمنی غذایی به ‌شمار آیند یا نه.»
جزئیات این پژوهش در گزارشی با عنوان «تحلیل شیمیایی [طعم‌های] قوی از راه حسگرهای شیمیایی گرافنی و یادگیری ماشینی» در مجله «نیچر» منتشر شده است.

© The Independent

بیشتر از تکنولوژی