جوان آنلاین: آلکس ویلچکو، مدیر ارشد اجرایی و یکی از بنیان‌گذاران «اوسمو» است که از هوش مصنوعی برای کمک به تولید بو‌ها توسط رایانه (مشابه تولید صوت و تصویر) استفاده می‌کند. او از مدت‌ها قبل شیفته بو‌های مختلف بوده است. به همین دلیل لیسانس عصب‌شناسی از دانشگاه میشیگان دریافت کرده و در بخش عصب‌شناسی بویایی دانشگاه هاروارد تحصیل کرده است. ویلچکو پس از آن در بخش تحقیقات گوگل شاغل شد و ۵ سال مدیریت تیمی را برعهده داشت که از یادگیری ماشینی برای کمک به رایانه‌ها برای پیش‌بینی تمایز بوی مولکول‌های مختلف بر اساس ساختارشان استفاده می‌کردند. اوسمو نخست یک پروژه تحقیقاتی بود، اما در سال ۲۰۲۲ با پشتیبانی گوگل به استارت‌آپی جداگانه تبدیل شد. به گفته مدیر ارشد اجرایی شرکت، هدف اصلی این موسسه ارتقای سلامت و خوشحالی آن با دیجیتالی کردن حس بویایی است.

به گزارش مهر، این پژوهشگر و تیمش هنگام فعالیت در گوگل از یادگیری ماشینی برای توسعه یک نقشه بو استفاده کردند. برای این منظور آن‌ها مدل هوش مصنوعی را براساس مخزنی از ۵ هزار مولکول معطر در دسته‌های مختلف بویی مانند گلی، میوه یا نعنایی آموزش دادند. او متوجه شد احتمالا تحلیل مولکول‌ها براساس ساختار پیچیده‌شان فرآیندی چالش برانگیز است. با توجه به پیشرفت‌های هوش مصنوعی، مدل ابداعی محققان قادر به شناسایی ساختار‌های مختلف مولکول‌ها و استفاده از چنین دانشی برای پیش‌بینی دقیق بوی مولکول‌های دیگر شد.

ویلچکو می‌گوید در حالی که مدل‌های زبانی بزرگ را می‌توان با توجه به داده‌های کل اینترنت آموزش داد، هنگامی‌که ما شروع به ساخت مدل هوش مصنوعی خود کردیم، یک مخزن دیجیتالی مشابه از اطلاعات مربوط به بو‌ها در دسترس نبود. او در ادامه افزود: ما متوجه شدیم که نمی‌توانیم از داده‌های دیگران استفاده کنیم؛ بنابراین حدود یک سال با شرکت‌های فعال صنعت عطرسازی همکاری کردیم و مجموعه داده‌ها نشان داد که نمی‌توانیم از داده‌های دیگران استفاده کنیم. ما در واقع حدود یک سال را با شرکت‌هایی در صنعت عطر همکاری کردیم که تصور می‌کردند مخازن داده ایده‌آلی دارند، اما متوجه شدیم این طور نیست.

به همین دلیل آن‌ها یک نوع جدید از داده را ساختند. در حقیقت ویلچکو و همکارانش هزاران مولکول و توصیفات بو‌ها را به دست آوردند و آن‌ها را به شبکه‌های عصبی گراف (GNN) منتقل کردند که در حقیقت نوعی از ماشین یادگیری است و از الگوریتم‌های قدرتمند برای ردیابی و تحلیل رابطه بین داده‌ها استفاده می‌کند. در مرحله بعد محققان از GNN‌ها برای کمک به مدل هوش مصنوعی در درک اتم‌ها، پیوند‌های بین آن‌ها و ساختار‌های مولکولی که بو را مشخص می‌کند، استفاده کردند. اوسمو تصمیم دارد از فناوری خود برای تله‌پورت بو‌ها از طریق دیجیتالی کردن آن‌ها در یک مکان و بازسازی یک کپی دقیق در مکانی دیگر استفاده کند. به این ترتیب می‌توان ثابت کرد مدل هوش مصنوعی به‌طور دقیق بوی هر چیزی را درک می‌کند. ویلچکو تصمیم دارد از این فناوری برای کمک به شناسایی زودهنگام بیماری‌ها استفاده کند.