Gli scienziati fanno progressi verso la digitalizzazione dell’olfatto grazie all’IA
Gli oltre 400 recettori olfattivi presenti nel naso traducono i circa 40 miliardi di molecole odorose presenti nell’ambiente in un numero ancora maggiore di odori diversi che il cervello è in grado di riconoscere. Ma difficilmente si impara a descrivere gli odori. La maggior parte di noi non è in grado di comunicare con il proprio olfatto, in parte perché lo ha ignorato.
Secondo questo articolo, queste limitazioni non sono uniche per gli esseri umani. Abbiamo creato dispositivi in grado di “vedere” e “sentire”. I computer esprimono i colori utilizzando tre numeri, i valori rosso, verde e blu (RGB), che corrispondono ai diversi tipi di cellule che ricevono i colori nei nostri occhi. L’altezza, che determina la tonalità di una nota musicale, è un singolo numero. Un’immagine è una mappa di pixel, mentre una canzone è una serie di suoni. Tuttavia, non è mai stato creato un dispositivo perfetto per il rilevamento, la memorizzazione e la riproduzione degli odori.
Per rimediare a questa situazione, gli scienziati si stanno impegnando. In un rapporto pubblicato alla fine di agosto, i ricercatori hanno presentato un modello in grado di spiegare l’odore di una molecola come, o addirittura meglio, di una persona (almeno in prove limitate). Per ottenere questo risultato, il programma informatico dispone le molecole su una sorta di mappa degli odori, dove gli odori floreali sono più vicini tra loro rispetto, ad esempio, a quelli di marciume. Lo studio potrebbe aumentare significativamente la nostra comprensione del modo in cui le persone percepiscono gli odori, classificandoli quantitativamente. L’intelligenza artificiale potrebbe essere portatrice di una rivoluzione nello studio di questo misterioso senso umano, come ha già fatto per lo studio della vista e del linguaggio.
“L’ultima volta che abbiamo digitalizzato un senso umano è stata una generazione fa”, ha dichiarato Alex Wiltschko, neuroscienziato e coautore del lavoro. “Queste opportunità non si presentano spesso”. Anche se i computer non sono ancora in grado di sentire gli odori, questa ricerca rappresenta un passo significativo nella giusta direzione. Wiltschko ha iniziato a lavorare a questo progetto presso Google Research, e la sua start-up, Osmo, è ora dedicata a questo progetto. “È da molto tempo che si cerca di prevedere l’odore dalla struttura chimica”, ha dichiarato Hiroaki Matsunami, biologo molecolare della Duke che studia l’olfatto e non è stato coinvolto nello studio. “Questo è il migliore al momento per svolgere questo compito. In questo senso, è un grande progresso”.
Gli unici dati accessibili per una fragranza provengono dai nasi e dai cervelli umani, che sono notoriamente fonti di dati insufficienti per gli algoritmi di apprendimento automatico. Anche piccole alterazioni di una molecola possono trasformare una bella sostanza al profumo di banana in un composto che sa di vomito; come strane alterazioni del naso e del cervello possono trasformare il caffè in liquame.
Con l’aiuto di ricercatori dell’industria degli aromi e delle fragranze, Wiltschko e il suo team hanno identificato e curato una collezione di circa 5.000 molecole e le descrizioni degli odori che le accompagnavano (come “alcolico”, “di pesce”, “fumoso” e così via). Hanno poi fornito questi dati a un algoritmo noto come rete neurale a grafo, che è stato in grado di rappresentare gli atomi e i legami chimici di ciascuna molecola sotto forma di diagramma interno. Data la struttura di una molecola, il programma risultante è in grado di prevedere il suo odore utilizzando una combinazione di etichette di odore esistenti.
La valutazione della precisione di queste previsioni poneva un problema diverso. Un gruppo nuovo e indipendente di individui doveva essere addestrato ad annusare e classificare una serie nuova di molecole che il software non aveva mai studiato. Secondo Joel Mainland, neuroscienziato presso il Monell Chemical Senses Institute di Filadelfia che ha collaborato alla formazione dello studio, “le persone sono davvero pessime nel [descrivere i profumi] quando camminano per strada”, ha dichiarato Joel Mainland, neuroscienziato presso il Monell Chemical Senses Center di Filadelfia che ha contribuito a condurre la formazione per lo studio. “Se li si allena per un paio d’ore, diventano abbastanza bravi e veloci”.
Ai partecipanti sono stati dati vari oggetti, come il kombucha (“fermentato”), un pastello (“ceroso”) o un Jolly Rancher alla mela verde (“mela”), nel corso di cinque sessioni di un’ora per imparare un punto di riferimento per ogni etichetta. Secondo Emily Mayhew, scienziata alimentare della Michigan State University e coautrice dello studio, i partecipanti hanno poi fatto un test in cui dovevano descrivere l’odore di 20 molecole comuni (la vanillina è un profumo di vaniglia; il carvone è la menta), e poi hanno ripetuto il test per assicurarsi che le loro valutazioni fossero accurate. Tutti coloro che hanno avuto successo hanno potuto contribuire alla convalida dell’algoritmo.
I ricercatori hanno chiesto ai partecipanti di annusare e descrivere tutte le nuove molecole con etichette diverse, ciascuna classificata da zero a cinque (per esempio, un limone potrebbe ricevere un cinque per “agrumi”, un due per “fruttato” e uno zero per “fumoso”, ipoteticamente). Le nuove molecole sono state scelte dai ricercatori in modo da essere molto diverse dal set utilizzato per addestrare il programma. Il parametro di riferimento utilizzato per valutare la macchina era la somma di tutte queste valutazioni.
“Se si prendono due persone e si chiede loro di descrivere un odore, spesso non sono d’accordo”, ha spiegato Mainland. Ma la media di diverse persone addestrate agli odori è “piuttosto stabile”.
In generale, il modello di intelligenza artificiale ha “annusato” un po’ più accuratamente dei partecipanti alla ricerca. Sandeep Robert Datta, neurobiologo di Harvard che non ha condotto la ricerca ma è consulente informale di Osmo, ha descritto il programma come “una dimostrazione davvero potente che alcuni aspetti chiave della nostra percezione degli odori sono condivisi”. Un limone può avere un odore diverso per persone diverse, ma la maggior parte delle persone concorda sul fatto che mentre una mela non ha un odore agrumato, sia un’arancia che un limone lo hanno.
La mappa dello studio è un altro fattore. Secondo gli autori, ogni molecola, e quindi il suo odore, può essere rappresentata quantitativamente in uno spazio matematico noto come “mappa principale degli odori”. Secondo Wiltschko, questa mappa offre una visione del rapporto tra struttura e odore e del modo in cui il nostro cervello categorizza gli odori. I profumi floreali si trovano in un’area della mappa, mentre i profumi di carne si trovano in un’altra. La lavanda si trova più vicina al gelsomino sulla mappa che a un aroma di carne.
Datta ha messo in guardia dal definire la mappa degli odori come uno strumento primario piuttosto che percettivo. “Fa un ottimo lavoro nel catturare la relazione tra chimica e percezione”, ha affermato.
Tuttavia, non tiene conto di tutti i processi che avvengono quando una molecola viene convertita in segnali chimici, che vengono poi convertiti in descrizioni verbali di un odore, dai recettori nel nostro naso alla corteccia cerebrale del nostro cervello. La mappa differisce anche dai valori RGB (visivi) in quanto non elenca gli elementi fondamentali necessari per creare una particolare fragranza, tuttavia “ci suggerisce che RGB [per gli odori] è possibile”.
Ha poi aggiunto che la mappa percettiva degli odori del modello computerizzato è una “prova del concetto straordinariamente importante” e offre dettagli vitali su come il cervello presumibilmente organizza gli odori. Per esempio, ha spiegato Datta, si potrebbe credere che alcuni tipi di odore, come quello degli agrumi e del fumo, siano completamente distinti. Tuttavia, la mappa degli odori implica che anche questi odori dissimili hanno delle connessioni.
Il modello è solo uno dei tanti sviluppi necessari per digitalizzare i profumi. Gli autori del lavoro riconoscono facilmente che “mancano ancora alcuni aspetti importanti dell’odore”, come ha detto Matsunami. Poiché la maggior parte dei profumi presenti in natura sono il prodotto di combinazioni estremamente complesse, il loro programma non è in grado di anticipare l’odore delle molecole quando vengono combinate. L’intensità di un odore, così come la sua qualità, può variare a seconda della sua quantità. Per esempio, la molecola MMB, che viene aggiunta ai detergenti per la casa e che emette un odore gradevole in piccole quantità, contribuisce alla puzza di urina di gatto quando è presente in alte concentrazioni.
Dato che i sensi delle persone variano, non si sa quanto il software possa funzionare in scenari reali, secondo Datta, dato che il modello prevede un odore solo in media. Richard Doty, direttore del Centro dell’olfatto e del gusto dell’Università della Pennsylvania, che non è stato coinvolto nello studio, ha affermato che sebbene la ricerca sia simile al “Progetto Manhattan per la categorizzazione delle qualità degli odori in relazione a parametri fisici e chimici”, non è sicuro di quanto il modello possa far progredire la nostra comprensione dell’olfatto, visto quanto sono complicati i nostri nasi.
Wiltschko sostiene che ulteriori studi potrebbero risolvere alcuni di questi problemi e migliorare la mappa nel suo complesso. Per esempio, il numero di dimensioni della mappa è scelto liberamente per ottimizzare il programma informatico; anche le modifiche al set di dati di addestramento potrebbero migliorare il modello. Lo studio di altri componenti del nostro sistema olfattivo, come i percorsi neurologici verso il cervello o i recettori del naso, può anche servire a far luce su come e in quali fasi il corpo umano elabora i diversi odori. Un giorno, un sensore chimico e un insieme di programmi informatici in grado di tradurre la composizione, la concentrazione e la struttura delle molecole in un odore potrebbero realizzare l’olfatto digitale.
È in qualche modo sorprendente che un modello di computer distaccato dalla realtà dell’incarnazione umana – un programma che non ha naso, bulbo olfattivo o cervello – possa prevedere con precisione l’odore di qualcosa anche in assenza di Smell-o-Vision. Secondo Datta, questa ricerca dimostra implicitamente che la conoscenza del cervello non è necessaria per comprendere la percezione degli odori. Utilizzando i chatbot per esplorare la rete linguistica del cervello umano o gli algoritmi di deep learning per ripiegare le proteine, la ricerca mette in luce un complesso di conoscenze emergenti, influenzate dall’intelligenza artificiale. Si tratta di una comprensione che si basa più sui dati che sull’osservazione del mondo: una previsione priva di intuizione.
Questa ricerca innovativa sulla digitalizzazione e la quantificazione dell’odore potrebbe segnare l’inizio dello sviluppo di una tecnologia all’avanguardia per il rilevamento e la riproduzione degli odori. Un giorno potremmo disporre di dispositivi in grado di “annusare” oggetti e sostanze nell’ambiente, se i ricercatori riusciranno a migliorare ulteriormente i modelli informatici per prevedere correttamente le combinazioni di molecole, le intensità e le variazioni tra gli individui.
I display olfattivi di nuova generazione potrebbero essere realizzati da ingegneri che utilizzano dati sugli odori e algoritmi di intelligenza artificiale per generare odori complementari. Potrebbero essere utilizzati nella realtà virtuale immersiva, dove il realismo verrebbe esaltato da profumi sintetici di cibi, fiori o altri oggetti. Consentendo una rapida sperimentazione e ottimizzazione virtuale, la digitalizzazione degli odori potrebbe cambiare anche campi come la scienza alimentare e la creazione di profumi. Questa scoperta costituisce una base promettente per sviluppi che potrebbero finalmente portare il nostro senso chimico nell’era digitale, nonostante gli ostacoli significativi che ancora si frappongono.
