最近开发的电子舌头能够识别相似液体的差异，例如含水量不同的牛奶；多样化的产品，包括苏打水和咖啡混合物；果汁腐败的迹象；以及食品安全问题的实例。

由宾夕法尼亚州立大学研究人员领导的研究小组还发现，当人工智能（AI）使用自己的评估参数来解释电子舌生成的数据。

研究人员于 10 月 9 日在《自然。

研究人员表示，电子舌头可用于食品安全和生产以及医疗诊断。该传感器及其人工智能可以广泛检测和分类各种物质，同时集体评估它们各自的质量、真实性和新鲜度。他们表示，这项评估还为研究人员提供了人工智能如何做出决策的视角，这可能会带来更好的人工智能开发和应用。

“我们正在尝试制造人造舌头，但我们体验不同食物的过程不仅仅涉及舌头，”通讯作者、阿克利工程教授、工程科学与力学教授萨普塔什·达斯(Saptarshi Das)说。“我们有舌头本身，由味觉受体组成，它们与食物相互作用并将其信息发送到味觉皮层——一种生物神经网络”。

味觉皮层是大脑中感知和解释各种味道的区域，超出了人类所能感知的范围。味觉感受器，主要按照甜、酸、苦、咸、咸五大类对食物进行分类。当大脑了解味道的细微差别时，它可以更好地区分味道的微妙之处。为了人工模仿味觉皮层，研究人员开发了一种神经网络，这是一种机器学习算法，可以模仿人脑评估和理解数据。

“此前，我们研究了大脑对不同口味的反应，并通过整合不同的二维材料来模仿这一过程，以开发一种人工智能如何更像人类一样处理信息的蓝图，”合著者、博士生 Harikrishnan Ravichandran 说道。Das 指导的工程科学和力学专业的学生。

“现在，在这项工作中，我们正在考虑几种化学物质，看看传感器是否可以准确地检测它们，此外，它们是否可以检测相似食品之间的微小差异并辨别食品安全问题的实例。”

舌头由基于石墨烯的离子敏感场效应晶体管或可以检测化学离子的导电装置组成，连接到人工神经网络，并在各种数据集上进行训练。达斯指出，至关重要的是，这些传感器是非功能化的，这意味着一个传感器可以检测不同类型的化学物质，而不是专门针对每种潜在化学物质使用特定的传感器。研究人员为神经网络提供了 20 个特定参数进行评估，所有这些参数都与样本液体如何与传感器的电特性相互作用有关。

根据这些研究人员指定的参数，人工智能可以准确检测样品（包括淡牛奶、不同类型的苏打水、混合咖啡和多种新鲜度的果汁），并报告其含量超过 80大约一分钟内的准确率%。

“在使用人为选择的参数达到合理的精度后，我们决定通过向神经网络提供原始传感器数据来定义自己的品质因数。我们发现神经网络达到了接近理想的推理精度，超过 95% 当使用机器得出的品质因数而不是人类提供的品质因数时，”达斯指导下的工程科学和力学博士生安德鲁·潘诺 (Andrew Pannone) 说。

“因此，我们使用了一种称为沙普利附加解释的方法，它使我们能够询问神经网络在做出决定后它在想什么。”

这种方法使用博弈论，这是一种决策过程，考虑其他人的选择来预测单个参与者的结果，为所考虑的数据分配值。通过这些解释，研究人员可以通过逆向工程了解神经网络如何权衡样本的各个组成部分以做出最终决定，从而使团队能够一睹神经网络的决策过程，该过程在很大程度上仍然是不透明的。据研究人员称，人工智能领域。

他们发现，神经网络不是简单地评估单个人类分配的参数，而是认为它确定的数据一起是最重要的，沙普利附加解释揭示了神经网络考虑每个输入数据的重要性。

研究人员解释说，这种评估可以与两个人喝牛奶进行比较。他们都能辨认出这是牛奶，但一个人可能认为是脱脂牛奶，而另一个人则认为是新鲜的 2%。即使是进行评估的个人也很难解释其中的细微差别。

“我们发现网络着眼于数据中更微妙的特征——我们作为人类很难正确定义这些特征，”达斯说。

“而且由于神经网络从整体上考虑传感器特性，因此可以减轻日常可能发生的变化。就牛奶而言，神经网络可以确定牛奶中不同的含水量，并在这种情况下确定是否任何退化指标都有意义，足以被视为食品安全问题。”

达斯表示，舌头的能力仅受到训练数据的限制，这意味着虽然这项研究的重点是食物评估，但它也可以应用于医学诊断。研究人员表示，尽管无论传感器应用在何处，灵敏度都很重要，但其传感器的稳健性为在不同行业的广泛部署提供了一条前进的道路。

达斯解释说，传感器不需要完全相同，因为机器学习算法可以一起查看所有信息并仍然产生正确的答案。这使得制造过程更加实用且成本更低。

“我们发现我们可以忍受不完美，”达斯说。“这就是大自然的本质——它充满了不完美，但它仍然可以做出稳健的决定，就像我们的人类一样电子舌”。