विदेश की खबरें | कंप्यूटर को सूंघने की क्षमता देकर एआई एक कठिन समस्या हल कर रहा है

एन आर्बर (अमेरिका), एक जून (द कन्वरसेशन) 100 साल से भी अधिक पहले, अलेक्जेंडर ग्राहम बेल ने नेशनल ज्योग्राफिक के पाठकों से कुछ साहसिक और नया करने के लिए कहा था - "एक नया विज्ञान खोजने के लिए।" उन्होंने कहा था कि ध्वनि और प्रकाश के मापन पर आधारित विज्ञान पहले से ही अस्तित्व में है। लेकिन गंध का कोई विज्ञान नहीं था। बेल ने अपने पाठकों से "गंध मापने" के लिए कहा।

आज, अधिकांश लोगों की जेब में स्मार्टफोन ध्वनि और प्रकाश के विज्ञान पर आधारित प्रभावशाली अंतर्निहित क्षमताएं प्रदान करते हैं: आवाज सहायक, चेहरे की पहचान और फोटो वृद्धि। इनकी तुलना में गंध का विज्ञान कहीं नहीं है। लेकिन अब यह स्थिति बदल रही है, क्योंकि मशीन घ्राण में प्रगति, जिसे "डिजीटल गंध" भी कहा जाता है, आखिरकार बेल के आह्वान का जवाब दे रही है।

गंध की मानवीय भावना की जटिलता के कारण मशीनी घ्राण पर अनुसंधान को एक विकट चुनौती का सामना करना पड़ता है। जबकि मानव दृष्टि मुख्य रूप से रेटिना में रिसेप्टर कोशिकाओं - छड़ें और तीन प्रकार के शंकु - पर निर्भर करती है, नाक में लगभग 400 प्रकार की रिसेप्टर कोशिकाओं के माध्यम से गंध का अनुभव होता है।

मशीन घ्राण क्रिया सेंसर से शुरू होती है जो हवा में अणुओं का पता लगाती है और उनकी पहचान करती है। ये सेंसर आपकी नाक में मौजूद रिसेप्टर्स के समान ही उद्देश्य पूरा करते हैं।

लेकिन लोगों के लिए उपयोगी होने के लिए, मशीन घ्राण को एक कदम आगे जाने की जरूरत है। सिस्टम को यह जानने की जरूरत है कि एक निश्चित अणु या अणुओं के समूह की गंध मनुष्य को कैसी लगती है। उसके लिए, मशीन घ्राण को मशीन लर्निंग की आवश्यकता होती है।

गंध पर मशीन लर्निंग लागू करना

मशीन लर्निंग, और विशेष रूप से एक प्रकार की मशीन लर्निंग जिसे डीप लर्निंग कहा जाता है, वॉयस असिस्टेंट और फेशियल रिकग्निशन ऐप्स जैसी उल्लेखनीय प्रगति के मूल में है।

गंध को डिजिटाइज़ करने के लिए मशीन लर्निंग भी महत्वपूर्ण है क्योंकि यह गंध पैदा करने वाले यौगिक की आणविक संरचना को पाठ्य गंध विवरणकों में मैप करना सीख सकता है। मशीन लर्निंग मॉडल उन शब्दों को सीखता है जिनका उपयोग मनुष्य करते हैं - उदाहरण के लिए, "मीठा" और "मिठाई" - यह वर्णन करने के लिए कि जब वे वैनिलिन जैसे विशिष्ट गंध पैदा करने वाले यौगिकों का सामना करते हैं तो वे क्या अनुभव करते हैं।

हालाँकि, मशीन लर्निंग के लिए बड़े डेटासेट की आवश्यकता होती है। वेब में अकल्पनीय रूप से बड़ी मात्रा में ऑडियो, छवि और वीडियो सामग्री है जिसका उपयोग ध्वनि और चित्रों को पहचानने वाली कृत्रिम बुद्धिमत्ता प्रणालियों को प्रशिक्षित करने के लिए किया जा सकता है। लेकिन मशीन घ्राण ने लंबे समय से डेटा की कमी की समस्या का सामना किया है, आंशिक रूप से क्योंकि अधिकांश लोग मौखिक रूप से गंध का वर्णन उतनी आसानी से और पहचानने योग्य रूप से नहीं कर सकते हैं जितना कि वे दृश्यों और ध्वनियों का वर्णन कर सकते हैं। वेब-स्केल डेटासेट तक पहुंच के बिना, शोधकर्ता वास्तव में शक्तिशाली मशीन लर्निंग मॉडल को प्रशिक्षित करने में सक्षम नहीं थे।

हालाँकि, 2015 में चीजें बदलनी शुरू हुईं जब शोधकर्ताओं ने ड्रीम ओल्फ़ैक्शन प्रेडिक्शन चैलेंज लॉन्च किया। प्रतियोगिता ने गंध का अध्ययन करने वाले जीवविज्ञानी एंड्रियास केलर और लेस्ली वोशाल द्वारा एकत्र किए गए डेटा को जारी किया और दुनिया भर से टीमों को अपने मशीन लर्निंग मॉडल प्रस्तुत करने के लिए आमंत्रित किया। मॉडलों को उनकी आणविक संरचना के आधार पर गंध पैदा करने वाले यौगिकों के लिए "मीठा," "फूल" या "फल" जैसे गंध लेबल की भविष्यवाणी करनी थी।

शीर्ष प्रदर्शन करने वाले मॉडल 2017 में साइंस जर्नल के एक पेपर में प्रकाशित हुए थे। रैंडम फ़ॉरेस्ट नामक एक क्लासिक मशीन लर्निंग तकनीक, जो कई निर्णय ट्री फ़्लो चार्ट के आउटपुट को जोड़ती है, विजेता साबित हुई।

मैं एक मशीन लर्निंग शोधकर्ता हूं जिसकी रसायन विज्ञान और मनोचिकित्सा में मशीन लर्निंग को लागू करने में लंबे समय से रुचि है। ड्रीम चुनौती ने मेरी रुचि बढ़ा दी। मुझे घ्राण क्रिया से व्यक्तिगत जुड़ाव भी महसूस हुआ। मेरे परिवार की जड़ें उत्तरी भारत के छोटे से शहर कन्नौज में हैं, जो भारत की इत्र राजधानी है। इसके अलावा, मेरे पिता एक रसायनज्ञ हैं जिन्होंने अपने करियर का अधिकांश समय भूवैज्ञानिक नमूनों का विश्लेषण करने में बिताया। इस प्रकार मशीन घ्राण ने इत्र, संस्कृति, रसायन विज्ञान और मशीन लर्निंग के इस चौतरफा रूझान ने इस दिशा में आगे बढ़ने का एक अनूठा अवसर प्रदान किया।

ड्रीम चुनौती समाप्त होने के बाद मशीन घ्राण में प्रगति ने गति पकड़नी शुरू कर दी। कोविड-19 महामारी के दौरान, गंध लोप या एनोस्मिया के कई मामले सामने आए। गंध की भावना, जिसपर आम तौर पर ज्यादा ध्यान नहीं दिया जाता, सार्वजनिक चेतना में बढ़ी। इसके अतिरिक्त, एक शोध परियोजना, पाइरफ्यूम प्रोजेक्ट ने अधिक और बड़े डेटासेट को सार्वजनिक रूप से उपलब्ध कराया।

गहरी गंध

2019 तक, सबसे बड़े डेटासेट ड्रीम चुनौती में 500 से कम अणुओं से बढ़कर लगभग 5,000 अणुओं तक पहुंच गए थे। अलेक्जेंडर विल्त्स्को के नेतृत्व में एक गूगल अनुसंधान टीम अंततः मशीन घ्राण में गहन शिक्षण क्रांति लाने में सक्षम रही। ग्राफ न्यूरल नेटवर्क नामक एक प्रकार की गहन शिक्षा पर आधारित उनके मॉडल ने मशीन घ्राण में अत्याधुनिक परिणाम स्थापित किए। विल्त्स्को अब ओस्मो के संस्थापक और सीईओ हैं, जिसका मिशन "कंप्यूटरों को गंध की क्षमता देना" है।

हाल ही में, विल्टस्को और उनकी टीम ने "प्रमुख गंध मानचित्र" बनाने के लिए एक ग्राफ न्यूरल नेटवर्क का उपयोग किया, जहां अवधारणात्मक रूप से समान गंधों को असमान गंधों की तुलना में एक-दूसरे के करीब रखा जाता है। यह आसान नहीं था: आणविक संरचना में छोटे बदलाव से घ्राण धारणा में बड़े बदलाव हो सकते हैं। इसके विपरीत, बहुत भिन्न आणविक संरचनाओं वाले दो अणु फिर भी लगभग एक जैसी गंध दे सकते हैं।

(यह सिंडिकेटेड न्यूज़ फीड से अनएडिटेड और ऑटो-जेनरेटेड स्टोरी है, ऐसी संभावना है कि लेटेस्टली स्टाफ द्वारा इसमें कोई बदलाव या एडिट नहीं किया गया है)