最近開發的電子舌頭能夠識別相似液體的差異，例如含水量不同的牛奶；多樣化的產品，包括蘇打水和咖啡混合物；果汁腐敗的跡象；以及食品安全問題的例子。

由賓州州立大學研究人員領導的研究小組也發現，當人工智慧（AI）使用自己的評估參數來解釋電子舌生成的數據。

研究人員於 10 月 9 日在《自然。

研究人員表示，電子舌頭可用於食品安全和生產以及醫療診斷。該感測器及其人工智慧可以廣泛檢測和分類各種物質，同時集體評估它們各自的品質、真實性和新鮮度。他們表示，這項評估也為研究人員提供了人工智慧如何做出決策的視角，這可能會帶來更好的人工智慧開發和應用。

「我們正在嘗試製造人造舌頭，但我們體驗不同食物的過程不僅僅涉及舌頭，」通訊作者、阿克利工程教授、工程科學與力學教授薩普塔什·達斯(Saptarshi Das)說。「我們有舌頭本身，由味覺受體組成，它們與食物相互作用並將其訊息發送到味覺皮層——一種生物神經網路」。

味覺皮質是大腦中感知和解釋各種味道的區域，超出了人類所能感知的範圍。味覺感受器，主要依甜、酸、苦、鹹、鹹五大類對食物進行分類。當大腦了解味道的細微差別時，它可以更好地區分味道的微妙之處。為了人工模仿味覺皮層，研究人員開發了一種神經網絡，這是一種機器學習演算法，可以模仿人腦評估和理解數據。

「先前，我們研究了大腦對不同口味的反應，並透過整合不同的二維材料來模仿這一過程，以開發一種人工智慧如何更像人類一樣處理資訊的藍圖，」合著者、博士生Harikrishnan Ravichandran 說。

“現在，在這項工作中，我們正在考慮幾種化學物質，看看感測器是否可以準確地檢測它們，此外，它們是否可以檢測相似食品之間的微小差異並辨別食品安全問題的實例。”

舌頭由基於石墨烯的離子敏感場效電晶體或可以檢測化學離子的導電裝置組成，連接到人工神經網絡，並在各種數據集上進行訓練。達斯指出，至關重要的是，這些感測器是非功能化的，這意味著一個感測器可以檢測不同類型的化學物質，而不是專門針對每種潛在化學物質使用特定的感測器。研究人員為神經網路提供了 20 個特定參數進行評估，所有這些參數都與樣本液體如何與感測器的電特性相互作用有關。

根據這些研究人員指定的參數，人工智慧可以準確檢測樣品（包括淡牛奶、不同類型的蘇打水、混合咖啡和多種新鮮度的果汁），並報告其含量超過 80大約一分鐘內的準確率% 。

「在使用人為選擇的參數達到合理的精度後，我們決定通過向神經網路提供原始感測器數據來定義自己的品質因數。我們發現神經網路達到了接近理想的推理精度，超過 95 % 當使用機器得出的品質因數而不是人類提供的品質因數時，」達斯指導下的工程科學和力學博士生安德魯·潘諾(Andrew Pannone) 說。

“因此，我們使用了一種稱為沙普利附加解釋的方法，它使我們能夠詢問神經網路在做出決定後它在想什麼。”

這種方法使用博弈論，這是一種決策過程，考慮其他人的選擇來預測單一參與者的結果，為所考慮的資料分配值。透過這些解釋，研究人員可以透過逆向工程來了解神經網路如何權衡樣本的各個組成部分以做出最終決定，從而使團隊能夠一睹神經網路的決策過程，該過程在很大程度上仍然是不透明的。據研究人員稱，人工智慧領域。

他們發現，神經網路不是簡單地評估單一人類分配的參數，而是認為它確定的數據一起是最重要的，沙普利附加解釋揭示了神經網路考慮每個輸入資料的重要性。

研究人員解釋說，這種評估可以與兩個人喝牛奶進行比較。他們都能辨認出這是牛奶，但一個人可能認為是脫脂牛奶，而另一個人則認為是新鮮的 2%。即使是進行評估的個人也很難解釋其中的細微差別。

「我們發現網路著眼於數據中更微妙的特徵——我們作為人類很難正確定義這些特徵，」達斯說。

「而且由於神經網路從整體上考慮感測器特性，因此可以減輕日常可能發生的變化。就牛奶而言，神經網路可以確定牛奶中不同的含水量，並在這種情況下確定是否任何退化指標都有意義，足以被視為食品安全問題。

達斯表示，舌頭的能力僅受到訓練資料的限制，這意味著雖然這項研究的重點是食物評估，但它也可以應用於醫學診斷。研究人員表示，儘管無論感測器應用在何處，靈敏度都很重要，但其感測器的穩健性為在不同行業的廣泛部署提供了一條前進的道路。

達斯解釋說，感測器不需要完全相同，因為機器學習演算法可以一起查看所有資訊並仍然產生正確的答案。這使得製造過程更加實用且成本更低。

「我們發現我們可以忍受不完美，」達斯說。「這就是大自然的本質——它充滿了不完美，但它仍然可以做出穩健的決定，就像我們的人類一樣電子舌」。