最近開発された電子舌は、水分含有量が異なる牛乳など、同様の液体の違いを識別することができます。ソーダタイプやブレンドコーヒーなどの多様な製品。フルーツジュースの腐敗の兆候。食品の安全性に関する懸念の例。

ペンシルベニア州立大学の研究者が率いるチームは、次の場合には結果がさらに正確であることも発見しました。人工知能(AI) は独自の評価パラメータを使用して、電子舌によって生成されたデータを解釈しました。

研究者らはその結果を10月9日に発表した。自然。

研究者らによると、電子舌は次のような用途に役立ちます。食品の安全性製造だけでなく、医療診断にも使用されます。センサーとその AI は、さまざまな物質を幅広く検出および分類し、それぞれの品質、信頼性、鮮度を総合的に評価します。この評価により、研究者らはAIがどのように意思決定を行うかについての見通しも得られ、AIの開発と応用の改善につながる可能性があると研究者らは述べた。

「私たちは人工の舌を作ろうとしているが、さまざまな食べ物をどのように体験するかというプロセスには舌だけが関係しているわけではない」と責任著者のアクリー工学教授で工学科学・機械学教授のサプタルシ・ダス氏は述べた。「私たちの舌自体は、食物種と相互作用し、その情報を味覚皮質に送る味覚受容体で構成されています。ニューラルネットワーク。」

味覚皮質は、人間が感知できるものを超えたさまざまな味を知覚し、解釈する脳の領域です。味覚受容体、これは主に、甘味、酸味、苦味、塩味、風味の 5 つの広いカテゴリによって食品を分類します。脳が味のニュアンスを学習すると、味の微妙さをよりよく区別できるようになります。味覚皮質を人工的に模倣するために、研究者らはニューラルネットワークを開発した。ニューラルネットワークは、データの評価と理解において人間の脳を模倣する機械学習アルゴリズムである。

「以前、私たちは脳がさまざまな味にどのように反応するかを調査し、さまざまな2D素材を統合することでこのプロセスを模倣し、AIがどのようにしてより人間らしく情報を処理できるかについての一種の青写真を開発しました」と共著者のハリクリシュナン・ラヴィチャンドラン博士は述べた。ダスからアドバイスを受けた工学科学と力学の学生。

「今回の研究では、センサーがそれらを正確に検出できるかどうか、さらには類似した食品間のわずかな違いを検出して食品の安全性に関する懸念の事例を識別できるかどうかを確認するために、いくつかの化学物質を検討しています。」

舌は、グラフェンベースのイオン感応性電界効果トランジスタ、またはさまざまなデータセットで訓練された人工ニューラルネットワークにリンクされた化学イオンを検出できる導電性デバイスで構成されています。ダス氏は、センサーが機能化されていないことを批判的に指摘しました。これは、潜在的な化学物質ごとに専用のセンサーを備えているのではなく、1 つのセンサーでさまざまな種類の化学物質を検出できることを意味します。研究者らは、評価するための 20 の特定のパラメーターをニューラル ネットワークに提供しました。これらのパラメーターはすべて、サンプル液体がセンサーの電気的特性とどのように相互作用するかに関連しています。

研究者が指定したこれらのパラメータに基づいて、AI は、水で薄めた牛乳、さまざまな種類のソーダ、コーヒーのブレンド、さまざまな鮮度レベルの複数のフルーツ ジュースなどのサンプルを正確に検出し、その内容を 80 以上のレベルでレポートできます。約 1 分で % の精度が得られます。

「人間が選択したパラメータで妥当な精度を達成した後、生のセンサー データをニューラル ネットワークに提供することで、ニューラル ネットワークに独自の性能指数を定義させることにしました。ニューラル ネットワークが 95 以上のほぼ理想的な推論精度に達していることがわかりました。人間が提供する性能指数ではなく、機械が導き出した性能指数を利用する場合、% を達成することができます」と、ダス氏の助言を受けた工学科学および力学の博士課程の学生で共著者のアンドリュー・パノーネ氏は述べています。

「そこで、Shapley 加法的説明と呼ばれる手法を使用しました。これにより、ニューラル ネットワークが決定を下した後に何を考えているかをニューラル ネットワークに尋ねることができます。」

このアプローチでは、ゲーム理論 (他の参加者の選択を考慮して 1 人の参加者の結果を予測する意思決定プロセス) を使用して、検討中のデータに値を割り当てます。これらの説明により、研究者らは、ニューラル ネットワークがサンプルのさまざまな成分をどのように秤量して最終的な決定を下すかをリバース エンジニアリングで理解することができ、研究チームは、これまでほとんど不透明だったニューラル ネットワークの意思決定プロセスを垣間見ることができます。研究者らによると、AIの分野です。

彼らは、人間が割り当てた個々のパラメータを単に評価するのではなく、ニューラル ネットワークが最も重要であると判断したデータを一緒に考慮し、シャプレーの加法的説明により、ニューラル ネットワークが各入力データをどれだけ重要に考慮しているかを明らかにしたことがわかりました。

研究者らは、この評価は牛乳を飲んでいる2人に例えられると説明した。二人ともそれが牛乳であることを認識できますが、一方の人はそれが取り除かれた脱脂だと考え、もう一方の人は 2% がまだ新鮮であると考えるかもしれません。その理由の微妙な違いは、評価を行う個人であっても簡単には説明できません。

「ネットワークはデータのより微妙な特徴、つまり人間として適切に定義するのが難しいものを調べていることがわかりました」とダス氏は述べた。

「また、ニューラル ネットワークはセンサーの特性を総合的に考慮するため、日々発生する可能性のある変動を軽減します。牛乳に関して言えば、ニューラル ネットワークは牛乳のさまざまな水分含有量を判断し、その文脈で、以下のことを判断できます。」劣化の兆候はどれも、食品の安全性の問題とみなされるのに十分な意味があります。」

ダス氏によると、舌の能力は訓練に基づいたデータによってのみ制限されるということは、この研究の焦点は食品の評価にあったが、医療診断にも応用できる可能性があるということだ。また、センサーがどこに適用されるかに関係なく感度は重要ですが、そのセンサーの堅牢性により、さまざまな業界での広範な導入への道が開かれると研究者らは述べています。

ダス氏は、機械学習アルゴリズムはすべての情報を一緒に調べて正しい答えを導き出すことができるため、センサーが正確に同一である必要はない、と説明しました。これにより、より実用的で安価な製造プロセスが実現します。

「私たちは、不完全さがあっても生きていけることに気づきました」とダスさんは語った。「そして、それが自然というものです。自然は不完全さに満ちていますが、それでも確かな意思決定を行うことができます。電子舌。」