Các nhà nghiên cứu của Google đang dùng một kỹ thuật mới để đào tạo hệ thống neuron thần kinh nhân tạo nhận biết mùi hương của phân tử dựa trên cấu trúc hóa học.
Khứu giác là một trong những giác quan mạnh mẽ nhất của cơ thể, khoa học đã chứng minh con người có thể phát hiện ra hàng nghìn tỷ mùi khác nhau. Các nhà nghiên cứu tại Google Brain vừa phát hành một bài báo mô tả cách đào tạo hệ thống trí tuệ nhân tạo dựa trên thuật toán học máy để dự đoán mùi của phân tử. Dù hiện tại công nghệ này chưa hoàn thiện, nhưng trong tương lai, nghiên cứu có thể giải quyết được một số vấn đề.
Khoa học về mùi phát triển chậm hơn so với nhiều lĩnh vực nghiên cứu khác. Vào thế kỷ 17, nhà khoa học Isaac Newton đã sử dụng lăng kính để phân chia ánh sáng trắng của mặt trời thành bảy sắc cầu vồng gồm đỏ, cam, vàng, lục, lam, chàm và tím. Nghiên cứu sau đó cho thấy con người cảm nhận màu sắc dựa trên độ dài bước sóng. Nhưng khoa học mùi hương lại không tuân theo chiều hướng này.
Nếu bước sóng là thành phần cơ bản của ánh sáng, thì phân tử là nền tảng tạo nên mùi hương. Khi mùi đi vào mũi của chúng ta, các phân tử tương tác với thụ thể, gửi tín hiệu vào não để phân tích. Quá trình cảm nhận này được gọi là khứu giác. Các nhà khoa học có thể đo bước sóng và nhận biết màu sắc, nhưng không thể áp dụng với các phân tử và mùi hương.
Trên thực tế, nhiều nghiên cứu cho thấy rất khó để xác định mùi dựa trên cấu trúc hóa học của phân tử. “Nếu thay đổi, loại bỏ một nguyên tử hoặc liên kết hóa học thì bạn có thể chuyển từ mùi hoa hồng sang trứng thối”, Wiltschko, trưởng nhóm nghiên cứu của Google cho biết.
Trước đây từng có nhiều thử nghiệm sử dụng công nghệ học máy để nhận biết mùi hương phân tử. Năm 2015, các nhà nghiên cứu đã tao ra chương trình Thử thách dự đoán Olfaction của DREAM (DREAM Olfaction Prediction Challenge), trong đó mô tả mùi hương của hàng trăm người trong đám đông. Các nhà nghiên cứu đã thử nghiệm nhiều thuật toán học máy khác nhau để xem liệu họ có thể đào tạo nên hệ thống dự đoán mùi của các phân tử hay không.
Vài nhóm khác đã áp dụng trí tuệ nhân tạo để phân tích dữ liệu và đưa ra dự đoán thành công. Tuy nhiên, nhóm của Wiltschko đã thiết lập chương trình tiếp cận khác. Họ sử dụng hệ thống đồ thị mạng neuron nhân tạo (graph neural network – GNN). Hầu hết các thuật toán học máy đòi hỏi thông tin được thiết lập trong một đồ thị hình chữ nhật, tuy nhiên không phải tất cả dữ liệu đều phù hợp với định dạng này. GNN có thể phân tích, dự đoán và xử lý cấu trúc từng phân tử.
Nhóm nghiên cứu của Google đã sử dụng bộ dữ liệu gồm 5.000 phân tử từ các nhà chế tạo nước hoa, kết hợp cẩn thận mỗi phân tử với từng mô tả cụ thể như hương gỗ, hương nhài, mùi bơ, mùi cỏ dại… rồi kiểm tra xem hệ thống có thể nhận biết mùi hương của những phân tử còn lại dựa trên cấu trúc hóa học của chúng hay không. Cuối cùng, kết quả cho thấy hệ thống đã thành công.
Trong phép lặp đầu tiên của thử nghiệm, GNN đã hoạt động tốt như những mô hình mà các nhóm trước đó đã tạo ra. Wiltschko cho biết trong thời gian tới, nhóm nghiên cứu sẽ tiếp tục tinh chỉnh mô hình và đẩy mạnh lĩnh vực nghiên cứu này.
Tương tự như những công cụ học máy khác, GNN của Google bị giới hạn bởi chất lượng dữ liệu. Alexei Koulakov, nhà nghiên cứu tại Phòng thí nghiệm Cold Spring Harbor, cho biết dự án này rất có giá trị, hàng ngàn phân tử mới tương ứng với bộ dữ liệu mùi sẽ trở thành cơ sở để cải thiện những thuật toán khác trong tương lai. Theo ông, chưa rõ với mô hình học máy, chúng ta có thể học được gì từ khứu giác của con người hay không, vì thiết kế mạng neuron thần kinh nhân tạo không giống hệ thống giác quan.
Cách AI nhận biết mùi hương và cảm nhận của con người là hai điều hoàn toàn khác biệt. Hai phân tử có thể có mùi khác nhau nhưng đôi khi mũi lại cảm nhận chúng giống nhau. Đây cũng là một trong những giới hạn của nghiên cứu.
Ngoài ra, Wiltschko cho biết GNN bị hạn chế với các cặp chiral – khái niệm mô tả các mùi hương cùng nguyên tử và liên kết nhưng lại có cấu trúc hóa học khác nhau. Trong trường hợp này, GNN sẽ phân loại hai mẫu này giống nhau, dù thực tế chúng là hai mùi hoàn toàn khác biệt. Bước tiếp theo, cách nhà khoa học cần tìm cách giải quyết vấn đề này.
Theo Wired