49 frivillige luktet på 476 ulike ampuller som ledd i lukt-prosjektet.
49 frivillige luktet på 476 ulike ampuller som ledd i lukt-prosjektet. (Bilde: The Rockefeller University)

Luktesans

Kunstig intelligens utvikler luktesans

– Et oppsiktsvekkende og spennende prosjekt, sier norsk professor.

Man kan forutsi en farge eller en tonehøyde basert på informasjon om bølgelengde og frekvens. Men hvordan kan man forutsi hvordan noe vil lukte?

Det er fortsatt et lite mysterium, forteller Bente Gunnveig Berg, professor ved NTNUs institutt for psykologi, som forsker på hvordan hjernen behandler luktinformasjon.

– Lukt er den av sansene våre vi forstår dårligst, sier hun til Teknisk Ukeblad.

– Spesifikke egenskaper ved luktstimuli kan ikke plottes inn på en skala. Det er derfor vanskelig å finne ut hva som er de biologisk relevante duftsubstansene, fortsetter hun.

Nå har forskere ved The Rockefeller University i New York kommet nærmere et svar på spørsmålet.

Forskerne har undersøkt sammenhengen mellom molekylenes kjemiske struktur og hvordan mennesker oppfatter lukten.

Resultatet, som er beskrevet i en rapport publisert i Science, kan hjelpe roboter å utvikle en slags luktesans.

Utviklet modell av algoritmer

Sammen med en stor gruppe dataanalytikere, utviklet forskerne algoritmer som kan forutsi hvordan et stoff vil lukte basert på molekylets kjemiske egenskaper.

Vel, den kan i hvert fall nesten forutsi det. Perfekte resultater tilsier en poengsum på 1.0, mens tilfeldighetsmodeller gir en poengsum på 0,50. Algoritme-modellen forskerne kom fram til fikk en poengsum på 0,83 under test. Dette skal være mye bedre enn tidligere modeller, ifølge universitetet.

– Vi har ikke fullstendig løst spørsmålet om hvordan man kan predikere en lukt basert på molekylets kjemiske egenskaper, men det er det lengste noen har kommet i en forklaring, sier nevrobiolog Leslie Vosshall til universitets nettside.

Sammen med Andreas Keller ledet Vosshall prosjektet. 

Slik foregikk studien

De frivillige ble bedt om å beskrive lukten ved hjelp av 21 forskjellige variabler.
De frivillige ble bedt om å beskrive lukten ved hjelp av 21 forskjellige variabler. Foto: The Rockefeller University

Vosshall og Keller samlet 476 ulike molekyler i små ampuller, og lot 49 frivillige lukte på dem. Luktutvalget var bredt. Noen av ampullene inneholdt kjente aromaer som vanilje og stinkende ost, mens andre inneholdt væsker som man gjerne karakteriserer som luftfrie, som vann og glyserol.

De frivillige vurderte hver ampulle ut ifra hvor sterk den var, hvor behagelig den var og i hvilken grad den hadde 19 ulike karakteristikker. Disse karakteristikkene var for eksempel lukten av hvitløk, blomster og urin.

Dette genererte til sammen mer enn én million datapunkter.

Neste oppgave var å koble denne informasjonen med mer enn to millioner andre datapunkter. Disse dataene beskrev kjemiske egenskaper ved molekylene, for eksempel hvor mange svovelatomer et molekyl inneholder.

Arrangerte konkurranse

For å gjøre denne koblingen, utlyste man en konkurranse, DREAM Olfaction Prediction Challenge. 22 dataanalytiker-lag meldte seg på.

Konkurransen gikk ut på å lage algoritmemodeller som kunne forutsi hvordan testpersonene vil beskrive de ulike luktene. Algoritmene ble vurdert og aggregert i én modell, slik at man utnyttet kunnskapen de ulike lagene hadde dannet seg.

Til slutt ble modellen testet. Data fra 69 molekyler var blitt holdt tilbake under konkurransen. Disse ble nå brukt til å teste hvor godt modellen kan forutse lukten basert på de kjemiske egenskapene til et molekyl. Det var altså her modellen fikk en poengsum på 0,83.

Modellen klarte å forutsi hvor intens og hvor behagelig molekylene ville lukte, samt åtte av de 19 karakteristikkene. Disse karakteristikkene var hvitløk, fisk, søtt, frukt, brent, krydder, blomst og surt. Modellen hadde størst problemer med å forutse karakteristikkene syre, kulde, varme, tre, urin, kjemisk og moskus. 

– Kan etterlikne menneskets luktesans

Slike modeller kan hjelpe selskaper som jobber med parfyme og lukt til å lage molekyler som trigger spesifikke lukter, sier Pablo Meyer, databiolog og leder av DREAM-konkurransen, til Sciencemag.  

Det kan imidlertid også brukes til å gi kunstig intelligens en slags luktesans, forteller prosjektleder Keller til Teknisk Ukeblad:

– Modellen hjelper oss med å forstå hvilke kjemiske egenskaper ved molekylene som gir den spesifikke lukten. Når vi vet dette, vet vi også hvilke av molekylenes kjemiske egenskaper maskinen må detektere for å etterlikne menneskets luktesans, sier han.

Berg ved NTNU kaller prosjektet oppsiktsvekkende og interessant. Hun mener det er et skritt på veien til å komme nærmere en identifisering av selve duftmolekylet.

– Mangler etablerte begreper for lukt

Berg sier imidlertid at mangelen på etablerte språklige begreper som beskriver lukt utgjør et problem.

– Det kan være store forskjeller i oppfatningen av ulike lukter. Ord som hvitløk, brent og fisk er greie, men jeg er mer usikker på hvordan jeg ville karakterisert bakeri og henfalt («decayed»), sier hun.

Berg forteller at kjemosensorisk lab ved NTNU jobber med nattsvermere for å studere luktsystemet, ettersom de har et lite og velegnet hjernepreparat.

– Disse nattaktive skapningene har et veldig godt utviklet og relativt lett tilgjengelig luktsystem. Vi tester biologisk relevante duftsubstanser på forsøksdyrene og måler hvordan luktinformasjonen behandles både i individuelle nevroner og populasjoner av nevroner, sier hun.

Kommentarer (0)

Kommentarer (0)