Un système à base d’intelligence artificielle fait mieux que les humains pour identifier les odeurs
Une nouvelle modélisation olfactive formée par ordinateur a fait mieux que les humains pour identifier les odeurs. En analysant 500 000 molécules odorantes potentielles qui n’avaient jamais été synthétisées auparavant, il a également accompli un travail qui aurait nécessité 70 années-personnes.
Si les machines imitent de mieux en mieux les sens de la vue et du goût, elles sont un peu à la traîne en ce qui concerne le développement de l’odorat. Certes, il existe des nez électroniques capables de détecter le cancer dans les cellules sanguines et d’évaluer l’air autour des stations d’épuration, par exemple, mais un véritable sens de l’odorat alimenté par un ordinateur reste insaisissable. Cela s’explique peut-être par le fait que notre nez possède 400 récepteurs olfactifs, ce qui est beaucoup plus que les quatre récepteurs que nous utilisons pour la vision et les quelque 40 récepteurs que nous utilisons pour le goût.
Cherchant à égaliser le score des capteurs informatisés, des chercheurs du Monell Chemical Senses Center de l’université de Pennsylvanie (Etats-Unis), ainsi que des collègues d’Osmo (une branche de Google DeepMind), ont mené une étude qui a permis de créer un système basé sur un réseau neuronal capable d’analyser une molécule odorante et de décrire, en langage humain, l’odeur que cette molécule devrait dégager. Le système d’IA a permis de développer ce que les chercheurs ont appelé une carte des odeurs principales (Principal Odor Map, POM).
Selon Joel Mainland, de Monell, coauteur principal de la recherche :
Dans la recherche sur l’olfaction […], la question des propriétés physiques qui font qu’une molécule en suspension dans l’air a l’odeur que le cerveau lui attribue est restée une énigme. Mais si un ordinateur peut discerner la relation entre la forme des molécules et la façon dont nous percevons leurs odeurs, les scientifiques pourraient utiliser cette connaissance pour faire progresser la compréhension de la façon dont notre cerveau et notre nez fonctionnent ensemble.
Ces connaissances permettraient aux chercheurs de mettre au point de meilleurs répulsifs contre les moustiques ou des produits désodorisants, entre autres.
Pour entraîner le système, l’équipe de recherche lui a fourni la structure moléculaire de 5 000 substances odorantes ainsi qu’une série de descriptions d’odeurs telles que « menthe » ou « moisi ». L’équipe a également fait appel à 15 panélistes qui ont reniflé 400 odeurs et à qui l’on a donné 55 mots pour décrire chaque odeur.
Lors des tests, le système d’IA a fait légèrement mieux que les panélistes. Mais il y a eu un résultat encore plus impressionnant.
Selon Mainland :
Le plus surprenant, cependant, est que le modèle a réussi des tâches olfactives pour lesquelles il n’avait pas été formé . Ce qui nous a ouvert les yeux, c’est que nous ne l’avons jamais entraîné à apprendre la force des odeurs, mais qu’il pouvait néanmoins faire des prédictions exactes.
Ensuite, les chercheurs ont utilisé le système pour cartographier 500 000 molécules odorantes qui n’ont jamais été synthétisées, une tâche qui, selon l’équipe, prendrait 70 ans à un être humain.
Selon les chercheurs :
Les progrès en neurosciences sont souvent mesurés par la création et la découverte de nouvelles cartes du monde soutenues par des circuits neuronaux. Chacun de ces progrès n’est possible que parce que les scientifiques ont d’abord possédé une carte du monde extérieur et qu’ils ont ensuite mesuré comment les réponses dans le cerveau variaient en fonction de la position du stimulus sur la carte. Cette étude propose et valide une carte de l’olfaction humaine basée sur des données. Nous espérons que cette carte sera utile aux chercheurs en chimie, en neurosciences olfactives et en psychophysique en tant que nouvel outil pour étudier la nature de la sensation olfactive.
L’étude publiée dans Science : A principal odor map unifies diverse tasks in olfactory perception et présentée sur le site du Monell Chemical Senses Center : A Step Closer to Digitizing the Sense of Smell: Monell Center, Osmo Model Describes Odors Better than Human Panelists.