¿A qué huelen las máquinas? La Inteligencia Artificial de Google ya sabe distinguir y clasificar los olores
En un laboratorio, un color no es rojo o amarillo, sino una longitud de onda mayor o menor en el espectro electromagnético. Por eso un científico puede saber de qué color se trata tan solo mirando un gráfico. Sin embargo, la operación no puede repetirla con las moléculas y los olores: para intentar resolver este problema, los investigadores del Google Brain Team han desarrollado una Inteligencia Artificial (IA) capaz de identificar y clasificar un olor, que si bien aún se encuentra en una fase inicial, ofrece cierta esperanza a un problema que la ciencia tuvo desde siempre.
Es cierto que las narices electrónicas existen desde hace años: son esos aparatos normalmente utilizados también en laboratorios y por la policía para oler compuestos o explosivos. Pero no saben lo que huelen, sino que funcionan analizando la composición química de la muestra y presentando unos resultados. La IA de Google nada tiene que ver con esto: en realidad, la máquina capta el olor como lo haría un humano, siendo capaz de identificar qué está oliendo en un ambiente determinado.
El estudio, que lleva por título Aprendizaje automático de aromas: Aprendizaje de representaciones generalizables perceptivas de moléculas pequeñas fue publicado en arXiv, un repositorio de artículos científicos, el pasado 19 de octubre. En él, los investigadores explican cómo, entrenando a la máquina con una muestra de 5.000 moléculas, esta ha sido capaz de categorizar los olores y describirlos. Por ejemplo: para la máquina de Google, la vanilina (el compuesto primario de la vainilla) está asociado a las etiquetas “dulce”, “cremoso”, “chocolate” y “vainilla”.
Cómo transformar moléculas en vectores
La percepción del olor en los humanos es el resultado de la activación de 400 tipos diferentes de receptores olfativos. Solo en nuestra nariz hay 5 millones de células destinadas a identificar los olores, muy lejos de los 250 millones que poseen los perros. La IA de Google, aunque no tiene células, si está desarrollada a base de redes neuronales gráficas (GNN): a diferencia de otros tipos, como las GANs (antagónicas) o las CNNs (convolucionales) estas funcionan interpretando gráficos.
Como una fórmula molecular no puede introducirse tal y como está escrita dentro de las capas de las redes neuronales, los investigadores idearon un ingenioso sistema a través de analogías. Como las GNNs funcionan con gráficos, representaron los átomos como vértices y los enlaces moleculares como bordes. Después, les dieron valores representándolos con vectores.
Por ejemplo: la vanilina está formada por 8 moléculas de carbono, 8 de hidrógeno y 3 de oxígeno. Los científicos separaron los nodos y cada uno de ellos lo representaron como un vector, incluyendo la información subatómica. Ese vector después lo relacionaron con los nodos adyacentes de la molécula y tras hacer miles de iteracciones, consiguieron unos valores totales que representaban a cada compuesto.
Básicamente los investigadores tradujeron las moléculas a gráficos: con los descriptores ya entrenados, ahora solo faltaba enseñar a la red neuronal (con las 5.000 moléculas) a reconocerlos para que relacionase valores y moléculas. Hay que añadir que la red neuronal tuvo que aprender a relacionar unos con otros, pero tras miles de iteracciones, los resultados se pueden expresar en tablas a través del porcentaje AUC (Área bajo la curva).
Google asegura que “las posibilidades para futuras investigaciones son numerosas y tocan todo, desde el diseño de nuevas moléculas olfativas más baratas y producidas de manera más sostenible hasta la digitalización del aroma”. Incluso, hablan de aquellas personas con dificultades olfativas, a las que se les podría proporcionar “acceso al olor de las rosas y, desafortunadamente, al de los huevos podridos”.
