최근 개발된 전자 혀는 수분 함량이 다양한 우유와 같은 유사한 액체의 차이를 식별할 수 있습니다.소다 종류와 커피 블렌드를 포함한 다양한 제품;과일 주스의 부패 징후;식품 안전 문제의 사례.

Penn State의 연구원들이 이끄는 팀은 또한 다음과 같은 경우 결과가 훨씬 더 정확하다는 것을 발견했습니다.인공지능(AI)는 자체 평가 매개변수를 사용하여 전자 혀에서 생성된 데이터를 해석했습니다.

연구진은 10월 9일에 결과를 발표했습니다.자연.

연구원들에 따르면, 전자 혀는 다음과 같은 경우에 유용할 수 있습니다.식품 안전의료 진단뿐만 아니라 생산에도 사용됩니다.센서와 AI는 다양한 물질을 광범위하게 감지하고 분류하는 동시에 각각의 품질, 진품성, 신선도를 종합적으로 평가할 수 있습니다.또한 이 평가를 통해 연구원들은 AI가 어떻게 결정을 내리는지에 대한 관점을 제공받아 더 나은 AI 개발 및 적용으로 이어질 수 있다고 말했습니다.

"우리는 인공 혀를 만들려고 노력하고 있지만 다양한 음식을 경험하는 과정에는 단순한 혀 이상의 것이 관련되어 있습니다"라고 Ackley 공학 교수이자 공학 과학 및 기계 교수인 교신 저자 Saptarshi Das가 말했습니다."우리는 음식물과 상호작용하고 그 정보를 미각 피질로 보내는 미각 수용체로 구성된 혀 자체를 가지고 있습니다.신경망."

미각 피질은 인간이 감지할 수 있는 것 이상의 다양한 맛을 인지하고 해석하는 뇌의 영역입니다.미각 수용체, 주로 단맛, 신맛, 쓴맛, 짠맛, ​​감칠맛의 다섯 가지 범주를 통해 식품을 분류합니다.뇌는 맛의 미묘한 차이를 학습하면서 맛의 미묘한 차이를 더 잘 구별할 수 있습니다.미각 피질을 인위적으로 모방하기 위해 연구원들은 데이터를 평가하고 이해하는 데 있어서 인간의 두뇌를 모방하는 기계 학습 알고리즘인 신경망을 개발했습니다.

"이전에 우리는 뇌가 다양한 취향에 어떻게 반응하는지 조사하고 다양한 2D 재료를 통합하여 이 과정을 모방하여 AI가 어떻게 정보를 인간처럼 처리할 수 있는지에 대한 일종의 청사진을 개발했습니다."라고 공동 저자이자 박사 과정인 Harikrishnan Ravichandran은 말했습니다.Das가 조언하는 공학 과학 및 기계공학 학생입니다.

"이제 이 연구에서 우리는 센서가 이를 정확하게 감지할 수 있는지, 더 나아가 유사한 식품 간의 미세한 차이를 감지하고 식품 안전 문제의 사례를 식별할 수 있는지 확인하기 위해 여러 가지 화학 물질을 고려하고 있습니다."

혀는 그래핀 기반 이온 감지 전계 효과 트랜지스터 또는 화학 이온을 감지할 수 있는 전도성 장치로 구성되며, 인공 신경망에 연결되어 다양한 데이터 세트에 대해 훈련됩니다.비판적으로 Das는 센서가 기능화되지 않았음을 지적했습니다. 즉, 각 잠재적 화학물질 전용의 특정 센서를 보유하는 대신 하나의 센서가 다양한 유형의 화학물질을 감지할 수 있다는 의미입니다.연구원들은 평가할 20개의 특정 매개변수를 신경망에 제공했는데, 이 매개변수는 모두 샘플 액체가 센서의 전기적 특성과 상호 작용하는 방식과 관련이 있습니다.

연구원이 지정한 매개변수를 기반으로 AI는 물을 뿌린 우유, 다양한 종류의 탄산음료, 커피 블렌드 및 다양한 과일 주스를 비롯한 여러 신선도 수준의 샘플을 정확하게 감지하고 해당 콘텐츠에 대해 80이 넘는 값으로 보고할 수 있습니다.약 1분 안에 % 정확도.

"사람이 선택한 매개변수로 합리적인 정확도를 달성한 후, 우리는 원시 센서 데이터를 제공하여 신경망이 자체 성능 지수를 정의하도록 하기로 결정했습니다. 우리는 신경망이 95 이상의 거의 이상적인 추론 정확도에 도달했음을 발견했습니다.인간이 제공하는 것보다 기계에서 파생된 성능 지수를 활용할 때 %"라고 Das의 조언을 받는 공학 과학 및 기계학 박사 과정 학생인 공동 저자 Andrew Pannone이 말했습니다.

"그래서 우리는 Shapley 부가 설명이라는 방법을 사용했습니다. 이를 통해 신경망이 결정을 내린 후 무슨 생각을 했는지 물어볼 수 있습니다."

이 접근 방식은 단일 참가자의 결과를 예측하기 위해 다른 사람의 선택을 고려하는 의사 결정 프로세스인 게임 이론을 사용하여 고려 중인 데이터에 값을 할당합니다.이러한 설명을 통해 연구원들은 신경망이 샘플의 다양한 구성 요소에 가중치를 부여하여 최종 결정을 내리는 방법에 대한 이해를 역엔지니어링할 수 있었습니다. 이를 통해 팀은 그동안 대체로 불투명하게 남아 있던 신경망의 의사 결정 과정을 엿볼 수 있었습니다.연구진에 따르면 AI 분야.

그들은 인간이 할당한 개별 매개변수를 단순히 평가하는 대신 신경망이 가장 중요하다고 판단한 데이터를 함께 고려했으며, Shapley 추가 설명을 통해 신경망이 각 입력 데이터를 얼마나 중요하게 고려했는지 보여줍니다.

연구자들은 이 평가가 두 사람이 우유를 마시는 것과 비교될 수 ​​있다고 설명했습니다.그들은 둘 다 그것이 우유라는 것을 식별할 수 있지만, 한 사람은 탈지된 것이 우유라고 생각할 수도 있고, 다른 사람은 아직 신선하지 않은 2%라고 생각할 수도 있습니다.왜라는 뉘앙스는 평가하는 사람도 쉽게 설명할 수 없습니다.

Das는 "우리는 네트워크가 데이터의 더 미묘한 특성, 즉 인간으로서 적절하게 정의하기 어려운 특성을 관찰한다는 사실을 발견했습니다."라고 말했습니다.

"그리고 신경망은 센서 특성을 전체적으로 고려하기 때문에 매일 발생할 수 있는 변화를 완화합니다. 우유의 경우 신경망은 우유의 다양한 수분 함량을 판단할 수 있으며, 그러한 맥락에서품질 저하의 모든 지표는 식품 안전 문제로 간주될 만큼 의미가 있습니다."

Das에 따르면, 혀의 능력은 훈련된 데이터에 의해서만 제한됩니다. 즉, 이 연구의 초점은 음식 평가에 있었지만 의료 진단에도 적용될 수 있음을 의미합니다.센서가 어디에 적용되든 감도는 중요하지만, 센서의 견고성은 다양한 산업 분야에 광범위하게 배포할 수 있는 경로를 제공한다고 연구진은 말했습니다.

Das는 기계 학습 알고리즘이 모든 정보를 함께 보고 올바른 답을 생성할 수 있기 때문에 센서가 정확하게 동일할 필요는 없다고 설명했습니다.이는 보다 실용적이고 저렴한 제조 공정을 가능하게 합니다.

"우리는 불완전함을 안고 살 수 있다는 것을 알아냈습니다"라고 Das는 말했습니다."자연은 바로 그런 것입니다. 불완전함으로 가득 차 있지만 우리처럼 여전히 강력한 결정을 내릴 수 있습니다.전자 혀."