LEBIGDATA.FR I.A, Cloud & Cybersécurité
Les chercheurs ont récemment développé un robot alimenté par intelligence artificielle capable de sentir les odeurs. À leur grande surprise, l'odorat de l'IA surpasse celui de l'humain.
Quand on parle de neuroscience, le plus grand défi auquel se confrontent les scientifiques relève de la compréhension de l'association des stimuli et des caractéristiques perceptuelles. Bien qu'il y ait une correspondance entre ces deux éléments, on est encore loin d'établir une relation entre les perceptions olfactives et les structures chimiques.
Une carte des odeurs principales
Pour mieux comprendre cette hypothèse, les chercheurs ont élaboré un modèle basé sur un réseau neuronal. Ce qui leur permettra par la suite de relier les perceptions des odeurs aux structures chimiques. Ils ont ainsi créé une carte des odeurs principales (POM). Celle-ci a pour fonction principale de capturer les hiérarchies, ainsi que les distances perceptuelles.
Pour ce faire, ils ont procédé en trois étapes bien précises en commençant par utiliser un ensemble de données comprenant 5 000 molécules étiquetées. Puis, ils ont formé le modèle d'IA avant de réaliser une validation prévisionniste.
Les résultats ont montré que les prédictions du modèle correspondent étroitement aux évaluations humaines pour de nouvelles odeurs. Le POM a réussi à préserver les relations perceptuelles. Il a même surpassé les cartes traditionnelles basées sur la structure chimique.
Cette recherche met en évidence le potentiel de l'apprentissage automatique pour établir une carte de l'espace olfactif. Mais aussi sa capacité à comprendre les perceptions liées aux odeurs.
POM vs GNN
Les chercheurs ont également effectué une comparaison entre le modèle de réseau neuronal graphique (GNN) et un modèle traditionnel d'empreinte digitale basé sur le nombre. Leur objectif est ici de supposer les préférences olfactives des modèles dans différents scénarios.
Le modèle GNN a dépassé le modèle basé sur les empreintes digitales numériques. Il a surpassé les évaluations des panélistes humains pour 55 % des étiquettes d'odeur. Il a été noté que les impuretés présentes dans les réactions chimiques pouvaient avoir un impact significatif sur la perception des odeurs. Ce qui augmente le taux de contamination à 31,5 % par rapport à la variation odorante observée dans l'ensemble des stimuli.
Les performances du modèle GNN ont été meilleures pour les étiquettes d'odeur comportant des caractéristiques structurelles claires. Quant aux performances des panels humains, ils varient selon leur familiarité avec les étiquettes.
50 % de chance pour l'IA de surpasser l'odorat humain
La robustesse de la carte des odeurs principales (POM) a été mise à l'épreuve. Cela afin de gérer les discontinuités dans la cartographie entre la structure moléculaire et la perception des odeurs. Les résultats ont montré que dans 50 % des cas, le POM pouvait prédire la relation contre-intuitive entre la structure chimique et l'odeur.
De plus, un modèle linéaire basé sur les coordonnées POM s'est révélé plus performant que les modèles chimioinformatiques pour prédire l'adéquation et les seuils de détection.
Cette carte élaborée de l'olfaction humaine constitue une base pour les futures investigations, c'est-à-dire les prochaines recherches visant à explorer les relations complexes entre la structure moléculaire et la perception des odeurs. Cette avancée ouvre de nouvelles perspectives pour une meilleure compréhension de la sensation olfactive.
- Partager l'article :
