கடினமான சிக்கலை தீர்க்கும் AI, கணினிகளுக்கு வாசனை உணர்வைக் கொடுக்கிறது

நூறாண்டுகளுக்கு ஆண்டுகளுக்கு முன்பு, அலெக்சாண்டர் கிரஹாம் பெல் ஒரு புதிய அறிவியலைக் கண்டுபிடிக்க நேஷனல் ஜியோகிராஃபிக் வாசகர்களிடம் தைரியமாகவும் புதியதாகவும் ஏதாவது செய்யச் சொன்னார். ஒலி மற்றும் ஒளியின் அளவீடுகளின் அடிப்படையிலான அறிவியல் ஏற்கனவே இருந்ததை அவர் சுட்டிக்காட்டினார். ஆனால் வாசனை பற்றிய அறிவியல் இல்லை. பெல் தனது வாசகர்களை "ஒரு வாசனையை அளவிட" கேட்டார்.

இன்று, பெரும்பாலான மக்களின் பாக்கெட்டுகளில் உள்ள ஸ்மார்ட்போன்கள், ஒலி மற்றும் ஒளி அறிவியல்களின் அடிப்படையில் ஈர்க்கக்கூடிய உள்ளமைக்கப்பட்ட திறன்களை வழங்குகின்றன: குரல் உதவியாளர்கள், முக அங்கீகாரம் மற்றும் புகைப்பட மேம்பாடு போன்றபை இருந்தாலும் . வாசனையின் விஞ்ஞானம் ஒப்பிடக்கூடிய எதையும் வழங்கவில்லை. ஆனால் "டிஜிட்டலைஸ் ஸ்மெல்" என்றும் அழைக்கப்படும் இயந்திர வாசனையின் முன்னேற்றங்கள், இறுதியாக பெல்லின் அழைப்பிற்கு பதிலளிப்பதால் அந்த நிலைமை மாறுகிறது.

இயந்திர வாசனை என்பது வாசனை உணர்வின் தானியங்கி உருவகப்படுத்துதல் ஆகும் . நவீன பொறியியலில் வளர்ந்து வரும் பயன்பாடானது, காற்றில் பரவும் இரசாயனங்களை பகுப்பாய்வு செய்ய ரோபோக்கள் அல்லது பிற தானியங்கு அமைப்புகளைப் பயன்படுத்துவதை உள்ளடக்கியது.

மனிதனின் வாசனை உணர்வின் சிக்கலான தன்மையால் இயந்திர வாசனை பற்றிய ஆராய்ச்சி ஒரு வலிமையான சவாலை எதிர்கொள்கிறது. மனித பார்வை முக்கியமாக விழித்திரையில் உள்ள ஏற்பி செல்களை நம்பியுள்ளது - தண்டுகள் மற்றும் மூன்று வகையான கூம்புகள் - மூக்கில் உள்ள சுமார் 400 வகையான ஏற்பி செல்கள் மூலம் வாசனை அனுபவிக்கப்படுகிறது .

இயந்திர வாசனையானது காற்றில் உள்ள மூலக்கூறுகளைக் கண்டறிந்து அடையாளம் காணும் சென்சார்களுடன் தொடங்குகிறது. இந்த சென்சார்கள் உங்கள் மூக்கில் உள்ள ஏற்பிகளைப் போலவே செயல்படுகின்றன.

ஆனால் மக்களுக்கு பயனுள்ளதாக இருக்க, இயந்திர வாசனை ஒரு படி மேலே செல்ல வேண்டும். ஒரு குறிப்பிட்ட மூலக்கூறு அல்லது மூலக்கூறுகளின் தொகுப்பு ஒரு மனிதனுக்கு என்ன வாசனை அளிக்கிறது என்பதை கணினி அறிந்து கொள்ள வேண்டும். அதற்கு, இயந்திர வாசனைக்கு இயந்திர கற்றல் தேவை.

இயந்திர கற்றலை வாசனைக்கு பயன்படுத்துதல்

இயந்திர கற்றல், குறிப்பாக ஆழ்ந்த கற்றல் எனப்படும் ஒரு வகையான இயந்திர கற்றல் , குரல் உதவியாளர்கள் மற்றும் முக அங்கீகார பயன்பாடுகள் போன்ற குறிப்பிடத்தக்க முன்னேற்றங்களின் மையத்தில் உள்ளது.

இயந்திர கற்றல் வாசனையை டிஜிட்டல் மயமாக்குவதற்கு முக்கியமானது, ஏனெனில் இது வாசனையை உண்டாக்கும் சேர்மத்தின் மூலக்கூறு கட்டமைப்பை உரை வாசனை விளக்கிகளுக்கு வரைபடமாக்க கற்றுக்கொள்ள முடியும். எடுத்துக்காட்டாக, "இனிப்பு" போன்ற குறிப்பிட்ட வாசனையை உண்டாக்கும் சேர்மங்களை அவர்கள் சந்திக்கும் போது அவர்கள் என்ன அனுபவிக்கிறார்கள் என்பதை விவரிக்க இயந்திர கற்றல் மாதிரி மனிதர்கள் பயன்படுத்தும் வார்த்தைகளை கற்றுக்கொள்கிறது

இருப்பினும், இயந்திர கற்றலுக்கு பெரிய தரவுத்தொகுப்புகள் தேவை. இணையத்தில் கற்பனை செய்ய முடியாத அளவு ஆடியோ, படம் மற்றும் வீடியோ உள்ளடக்கம் உள்ளது, அவை ஒலிகள் மற்றும் படங்களை அடையாளம் காணும் செயற்கை நுண்ணறிவு அமைப்புகளைப் பயிற்றுவிக்கப் பயன்படும். ஆனால் இயந்திர வாசனை நீண்ட காலமாக தரவு பற்றாக்குறை சிக்கலை எதிர்கொள்கிறது, ஏனென்றால் காட்சிகள் மற்றும் ஒலிகளை விவரிக்க முடியும். அளவிற்கு வாசனையை எளிதில் விவரிக்க முடியாது மற்றும் அவர்கள் இணைய அளவிலான தரவுத்தொகுப்புகளுக்கான அணுகல் இல்லாமல், ஆராய்ச்சியாளர்களால் உண்மையிலேயே சக்திவாய்ந்த இயந்திர கற்றல் மாதிரிகளைப் பயிற்றுவிக்க முடியவில்லை.

இருப்பினும், 2015 இல் ஆராய்ச்சியாளர்கள் DREAM Olfaction Prediction Challenge ஐ அறிமுகப்படுத்தியபோது விஷயங்கள் மாறத் தொடங்கின . ஆன்ட்ரியாஸ் கெல்லர் மற்றும் லெஸ்லி வோஷால் போன்ற வாசனையை ஆராயும் உயிரியலாளர்களால் சேகரிக்கப்பட்ட தரவை வெளியிட்டது , மேலும் உலகெங்கிலும் உள்ள குழுக்களை தங்கள் இயந்திர கற்றல் மாதிரிகளை சமர்ப்பிக்க அழைத்தது. மாடல்கள் அவற்றின் மூலக்கூறு கட்டமைப்பின் அடிப்படையில் வாசனையை உண்டாக்கும் சேர்மங்களுக்கு "இனிப்பு," "பூ" அல்லது "பழம்" போன்ற வாசனை லேபிள்களை கணிக்க வேண்டும்.

சிறந்த செயல்திறன் கொண்ட மாதிரிகள் 2017 இல் சயின்ஸ் இதழில் ஒரு தாளில் வெளியிடப்பட்டன. ரேண்டம் ஃபாரஸ்ட் எனப்படும் கிளாசிக் மெஷின் லேர்னிங் நுட்பம் , இது பல முடிவு மர ஓட்ட விளக்கப்படங்களின் வெளியீட்டை ஒருங்கிணைத்து வெற்றியாளராக மாறியது.

2019 வாக்கில், மிகப்பெரிய தரவுத்தொகுப்புகள் 500 க்கும் குறைவான மூலக்கூறுகளிலிருந்து சுமார் 5,000 மூலக்கூறுகளாக வளர்ந்தன. அலெக்சாண்டர் வில்ட்ச்கோ தலைமையிலான கூகுள் ஆராய்ச்சிக் குழு இறுதியாக ஆழ்ந்த கற்றல் புரட்சியை இயந்திர வாசனைக்கு கொண்டு வர முடிந்தது. அவர்களின் மாதிரி, வரைபட நரம்பியல் நெட்வொர்க்குகள் எனப்படும் ஒரு வகை ஆழமான கற்றலின் அடிப்படையில் , இயந்திர வாசனையில் அதிநவீன முடிவுகளை நிறுவியது . வில்ட்ச்கோ இப்போது ஓஸ்மோவின் நிறுவனர் மற்றும் தலைமை நிர்வாக அதிகாரி ஆவார் , அதன் நோக்கம் "கணினிகளுக்கு வாசனை உணர்வைக் கொடுப்பதாகும்."

சமீபத்தில், வில்ட்ச்கோ மற்றும் அவரது குழுவினர் " முதன்மை வாசனை வரைபடத்தை " உருவாக்க ஒரு வரைபட நரம்பியல் வலையமைப்பைப் பயன்படுத்தினர் . இது எளிதானது அல்ல: மூலக்கூறு கட்டமைப்பில் ஏற்படும் சிறிய மாற்றங்கள் ஆல்ஃபாக்டரி உணர்வில் பெரிய மாற்றங்களுக்கு வழிவகுக்கும். மாறாக, மிகவும் வேறுபட்ட மூலக்கூறு அமைப்புகளைக் கொண்ட இரண்டு மூலக்கூறுகள் ஏறக்குறைய ஒரே மாதிரியான வாசனையைக் கொண்டிருக்கும்.

வாசனையின் குறியீட்டை உடைப்பதில் இத்தகைய முன்னேற்றம் அறிவுபூர்வமாக உற்சாகமளிப்பது மட்டுமல்லாமல், தனிப்பயனாக்கப்பட்ட வாசனை திரவியங்கள் மற்றும் வாசனை திரவியங்கள், சிறந்த பூச்சி விரட்டிகள், புதிய இரசாயன உணரிகள், நோயை முன்கூட்டியே கண்டறிதல் மற்றும் மிகவும் யதார்த்தமான அதிகரித்த யதார்த்த அனுபவங்கள் உள்ளிட்ட மிகவும் நம்பிக்கைக்குரிய பயன்பாடுகளையும் கொண்டுள்ளது. இயந்திர வாசனையின் எதிர்காலம் பிரகாசமாகத் தெரிகிறது.