LEBIGDATA.FR I.A, Cloud & Cybersécurité
Au fil du temps, l'IA a transformé la façon dont nous interagissons avec la technologie. De nos jours, elle permet même aux ordinateurs de détecter des odeurs, ce qui est remarquable.
Il y a plus de 100 ans, Alexander Graham Bell incitait les lecteurs du National Geographic à mesurer une odeur. D'abord, il notait que les sciences du son et de la lumière étaient bien avancées. Cependant, la science de l'odorat restait inexplorée. C'est pourquoi il lançait un appel à la création d'une nouvelle discipline scientifique. Aujourd'hui, cet appel résonne encore, alors que l'IA commence à pénétrer le domaine de l'olfaction.
Les ordinateurs apprennent à sentir grâce à l'IA
Nos smartphones, dotés de capacités de reconnaissance faciale et vocale, ignoraient jusqu'à récemment l'olfaction. Cette situation change grâce à l'olfaction mécanique, ou odeur numérisée. Elle répond enfin à l'appel de Bell, progressant malgré des défis considérables.
La complexité de l'odorat humain présente un formidable défi. En effet, alors que la vision repose sur quelques types de cellules dans la rétine, l'odorat utilise environ 400 types de récepteurs différents.
La machine olfactive commence par des capteurs qui détectent les molécules dans l'air, imitant les récepteurs du nez humain. Toutefois, pour que cette technologie soit utile, elle doit reconnaître et interpréter ces molécules comme le ferait un humain.
Le rôle crucial de l'apprentissage automatique
L'apprentissage profond, un type spécifique d'apprentissage automatique, joue un rôle clé dans ces avancées. Il permet aux machines de relier la structure moléculaire d'un composé à des descripteurs olfactifs.
En d'autres termes, le modèle apprend à associer des mots comme « sucré » ou « floral » à des molécules spécifiques. Cela nécessite de grands ensembles de données, mais historiquement, les données olfactives étaient rares.
Les choses ont commencé à changer en 2015 avec le DREAM Olfaction Prediction Challenge. Ce concours, dirigé par les biologistes Keller et Vosshall, a partagé des données olfactives pour prédiction par diverses équipes.
Les résultats les plus performants ont été publiés dans la revue Science en 2017. Une technique appelée « forêt aléatoire », a été particulièrement efficace.
Les possibilités pratiques de l'olfaction mécanique
Les progrès en olfaction mécanique ne sont pas seulement théoriques ; ils ont des implications pratiques importantes. Par exemple, ils permettent de créer des parfums personnalisés ou de développer de meilleurs répulsifs contre les insectes. De plus, la détection précoce des maladies par analyse des odeurs corporelles devient une possibilité réelle.
L'odorat numérisé pourrait améliorer notre hygiène personnelle en rendant les gens plus conscients des odeurs qu'ils dégagent.
Les ensembles de données se sont considérablement agrandis, surtout après la pandémie de COVID-19, qui a mis en lumière des troubles olfactifs comme l'anosmie. Le Pyrfume Project, par exemple, a rendu publics de grands ensembles de données olfactives.
En 2019, les ensembles de données ont grandi de moins de 500 molécules à environ 5 000. Cela a permis à des équipes comme celle d'Alexander Wiltschko chez Google de faire avancer l'apprentissage profond dans ce domaine.
Aujourd'hui, Wiltschko dirige Osmo, une entreprise visant à « donner aux ordinateurs un odorat ». Ces progrès suggèrent que l'avenir de l'olfaction mécanique est non seulement prometteur mais aussi excitant.
Restez à la pointe de l'information avec LEBIGDATA.FR !
Abonnez-vous à notre chaîne YouTube et rejoignez-nous sur Google Actualités pour garder une longueur d'avance.
- Partager l'article :
