1

رایحه نقش بسیار مهمی در نحوه تجربه ما از جهان ایفا می‌کند. بوها می‌توانند خاطرات ما را شکل دهند، احساسات ما را برانگیزند و بر تصمیم‌هایمان تأثیر بگذارند. شرکت‌های تولیدکننده عطر سال‌ها زمان صرف می‌کنند تا ترکیبی ایده‌آل برای یک عطر خاص بیابند. اما اگر هوش مصنوعی بتواند این کار را در عرض چند دقیقه انجام دهد، چه می‌شود؟

OGDiffusion: مدلی نوین از توکیو برای تولید رایحه با هوش مصنوعی

تحولی از عطرسازی سنتی به طراحی رایحه با داده

تیمی از مؤسسه علوم توکیو مدلی از هوش مصنوعی به نام Odor Generative Diffusion (OGDiffusion) توسعه داده است که با بهره‌گیری از داده‌های روغن‌های ضروری و برچسب‌های بویایی، رایحه‌هایی جدید تولید می‌کند که آماده ترکیب و استفاده هستند. این فناوری نشانه‌ای از گذار از هنر سنتی عطرسازی به سمت خلق رایحه‌هایی بر پایه داده است.

هوش مصنوعی چگونه موانع طراحی رایحه را برطرف می‌کند؟

چالش‌های سنتی در ساخت رایحه

در صنایع عطر، غذا و محصولات خانگی، رایحه تأثیر مستقیم بر واکنش‌های ما دارد. به طور سنتی، تنها عطرسازان حرفه‌ای قادر به طراحی ترکیبات بویایی بودند. این فرآیند شامل آزمون‌وخطاهای فراوان است که گاهی به نتایجی ناپایدار و نامطلوب منجر می‌شود.

عبور از بن‌بست طراحی رایحه با OGDiffusion

مدل OGDiffusion این مشکل را برطرف کرده است. این سیستم از داده‌های طیف‌سنجی جرمی (mass spectrometry) مربوط به روغن‌های ضروری به عنوان اثرانگشت شیمیایی استفاده می‌کند. با این روش، مدل می‌تواند بدون نیاز به دانش شیمیایی یا آزمون‌های دستی، رایحه‌ها را درک و بازسازی کند.

الگوریتمی برای یادگیری رایحه

نوآوری اصلی در روش یادگیری مدل نهفته است. مدل با داده‌های پر از نویز آغاز می‌کند و می‌آموزد که آن‌ها را پاک‌سازی کند. سپس داده‌ها را به برچسب‌هایی مانند «مرکباتی» یا «چوبی» نگاشت می‌کند. در نهایت با استفاده از روشی ریاضی به نام کوچک‌ترین مربعات نامنفی (Non-negative Least Squares) و ترکیب روغن‌های ضروری، پروفایل بویایی تولید می‌شود.

آموزش هوش مصنوعی برای خلق رایحه

تفاوت OGDiffusion با سیستم‌های تجاری موجود

سیستم‌های تجاری مانند Philyra از IBM یا Scentmate از Firmenich به کمک طراحان عطر می‌آیند، اما آن‌ها همچنان به داده‌های خصوصی وابسته‌اند و نیاز به دخالت انسان دارند. در مقابل، OGDiffusion از داده‌های باز استفاده می‌کند، بدون نیاز به متخصص کار می‌کند و نسخه‌هایی قابل ترکیب از رایحه‌ها تولید می‌کند.

خودکارسازی کامل فرآیند

ناکاموتو، یکی از پژوهشگران پروژه، توضیح می‌دهد:

«شبکه انتشار ما از الگوهای موجود در داده‌های طیف‌سنجی جرمی روغن‌های ضروری برای تولید پروفایل‌های بویایی جدید به شکلی کاملاً خودکار، یکپارچه و داده‌محور استفاده می‌کند، در حالی که خروجی‌های باکیفیتی ارائه می‌دهد. با حذف دخالت انسانی و سنتز مولکولی از فرآیند، روشی سریع، عمومی و کارآمد برای تولید رایحه فراهم می‌کنیم.»

آموزش با داده‌های واقعی

بر خلاف دیگر مدل‌های هوش مصنوعی، OGDiffusion با داده‌های ۱۶۶ نوع روغن ضروری و ۹ برچسب رایحه‌ای متداول آموزش دیده است. فرآیند آموزش شامل افزودن نویز کنترل‌شده به داده‌ها و سپس آموزش مدل برای بازسازی اطلاعات اصلی رایحه بود.

خلق رایحه‌هایی دقیق با هوش مصنوعی

ارزیابی تطابق با انتظارات انسانی

خلق رایحه‌هایی مبتنی بر داده یک چیز است، اما مطابقت آن‌ها با انتظارات انسان چیز دیگری است. برای اعتبارسنجی نتایج، پژوهشگران چند آزمایش حسی با مشارکت داوطلبان انسانی انجام دادند.

نتایج آزمایش‌های انسانی

• در یکی از آزمایش‌ها، شرکت‌کنندگان باید رایحه تولیدشده توسط هوش مصنوعی را با برچسب بویایی درست آن مطابقت می‌دادند.
• در آزمایشی دیگر، باید تفاوت میان ترکیب‌هایی با یک برچسب خاص و بدون آن را تشخیص می‌دادند.
• در هر دو آزمایش، دقت بالا بود و شرکت‌کنندگان به‌خوبی قادر به شناسایی رایحه صحیح یا ترکیب درست بودند.

در آزمایش سوم، شرکت‌کنندگان رایحه‌های تولیدشده توسط هوش مصنوعی و روغن‌های ضروری واقعی را بر اساس شدت یک برچسب خاص رتبه‌بندی کردند. ترکیب‌های AI رتبه‌های بالاتری گرفتند، که دقت و قابل‌اعتماد بودن مدل را تأیید می‌کند.

روشی کارآمد و مقیاس‌پذیر

ناکاموتو درباره آینده این فناوری می‌گوید:

«این رویکرد، پیشرفتی مهم در طراحی رایحه است. با خودکارسازی تولید طیف جرمی متناسب با پروفایل بویایی مدنظر، شبکه OGDiffusion روشی کارآمد و مقیاس‌پذیر برای خلق رایحه فراهم می‌کند. حتی یک فرد مبتدی نیز می‌تواند رایحه‌ای موردنظر برای محتوای دیجیتال معطر ایجاد کند.»

پیوند میان شیمی و علم حسی

مدل OGDiffusion پلی میان شیمی و علم حسی ایجاد می‌کند. این مدل درک می‌کند که تغییرات در ترکیب شیمیایی چگونه بر تجربه بویایی تأثیر می‌گذارد. همچنین می‌تواند با استفاده از نویزهای ورودی مختلف، نسخه‌های متنوعی از یک رایحه تولید کند و تنوع خلاقانه‌ای به فرآیند بیفزاید.

آینده طراحی رایحه با الگوریتم

استفاده‌های فراتر از آزمایشگاه

پژوهشگران آینده‌ای روشن برای این فناوری متصورند. این مدل می‌تواند نحوه طراحی رایحه‌ها را در عطرسازی، طعم‌دهنده‌ها، لوازم آرایشی و حتی دنیای واقعیت مجازی متحول کند.

در حال حاضر نیز محتوای دیجیتال معطر در محیط‌های آزمایشی در حال توسعه است. این مدل هوش مصنوعی می‌تواند طراحی رایحه را مقیاس‌پذیر و قابل دسترس کند.

چالش‌ها و محدودیت‌ها

البته، محدودیت‌هایی نیز وجود دارد. در حال حاضر مدل تنها با ۹ برچسب رایحه‌ای کار می‌کند. افزودن برچسب‌های بیشتر نیازمند مجموعه داده‌های بزرگ‌تر و سامان‌دهی دقیق‌تر اطلاعات است. همچنین، استانداردسازی زبان رایحه در مجموعه داده‌ها همچنان چالشی بزرگ محسوب می‌شود.

آینده قابل گسترش مدل

با این حال، شبکه قابلیت گسترش دارد. برای نمونه، می‌توان از ابزارهای جاسازی کلمات مانند fastText برای ترکیب ورودی‌های زبان طبیعی استفاده کرد. در نتیجه، کاربر می‌تواند رایحه‌ای را با کلمات معمولی توصیف کند و رایحه‌ای متناسب با آن دریافت کند.

سفارشی‌سازی رایحه با کمک هوش مصنوعی

این مدل ثابت می‌کند که خلق رایحه می‌تواند خودکار، معتبر و قابل سفارشی‌سازی باشد. با استفاده از داده‌های طیف‌سنجی جرمی به عنوان ورودی و ترکیب روغن‌های ضروری به عنوان خروجی، OGDiffusion چرخه‌ای بسته از طراحی تا تحقق رایحه ایجاد می‌کند.

چشم‌انداز روشن است: اکنون رایانه‌ها نه‌تنها قادر به دیدن و شنیدن، بلکه می‌توانند «بو کشیدن» را نیز به شیوه‌ای معنادار انجام دهند. و شاید به‌زودی بتوانید تنها با چند کلیک و چند کلمه، عطر مخصوص خودتان را طراحی کنید. این تنها یک پیروزی فناورانه نیست، بلکه یک انقلاب حسی است.

این مطالعه در ژورنال IEEE Access منتشر شده است.