«بو» هم دیجیتالی می‌شود
کشاورزی، ذخیره‌سازی مواد غذایی، ردیابیِ همه‌گیری و پیشگیری از بیماری‌ها همگی از دیجیتالی‌کردنِ رایحه سود می‌برند و پیشرفت‌های زیادی در این زمینه حاصل شده است.
محققان امیدوارند با دیجیتالی‌کردن رایحه- همان اتفاقی که برای صدا و تصویر رخ داده-، انقلابی هوشمند و تحولی عظیم در فرایندهای تولید موادغذایی، کشاورزی، پیشگیری از بیماری‌ها و ... به راه بیفتد.
سال ۱۹۱۴ الکساندر‌گراهام‌بل از دانشجویان پرسید: " به‌نظرتان می‌شود رایحه را اندازه‌گیری کرد؟" همه با تعجب به او نگاه کردند. "می‌توانید تشخیص دهید چه زمانی یک رایحه قوی‌تر از دیگری است؟ به‌نظرتان می‌شود تفاوت دو رایحۀ متمایز را اندازه‌گیری کرد"؟
سرانجام به سراغ اصل مطلب رفت و به شاگردان گفت: "تا زمانی که نتوانید شباهت‌ها و تفاوت‌های انواع رایحه را اندازه بگیرید، نمی‌توانید از علم رایحه‌شناسی حرف بزنید. اگر برای یافتن شاخۀ جدیدی از علم جاه طلبید، سعی کنید رایحه را اندازه بگیرید."
آن‌زمان برای دانشمندان قابل‌فهم بود که صدا و تصویر اشخاص را می‌توان برحسبِ ارتعاشات موجود در فضا و طول موج‌های مختلف نور ردیابی و اندازه‌گیری کرد؛ اما شیوۀ سنجش‌پذیری برای تشریح و اندازه‌گیریِ انواع رایحۀ پراکنده در فضا وجود نداشت. مکانیک بویایی راز سردرگم بود و از بسیاری جهات هنوز هم چنین است.
"داگلاس استوریس"، استادیار علوم اعصابِ دانشگاه فلوریدا می‌گوید: «برخلاف صدا یا تصویر که در آن‌ها طول‌موج و دامنۀ ارتعاش به‌وضوح با ویژگی‌های ادراکی مثل تُنِ‌فرکانس، رنگ یا شدتِ‌اثرگذاری منطبق است، در بویایی رابطۀ بین ساختار شیمیایی و ادراک زیربناییِ رایحه، به فهم درنمی‌آید.»
بینی انسان اساساً نوعی ردیاب شیمیایی است. وقتی فنجان قهوه‌ای را بو می‌کنیم، ترکیبات آلی فرار (VOCs) را که از قهوه در هوا متصاعد شده، استشمام می‌کنیم. سیسیلیا روک، دانشیار شیمیِ دانشکده علوم و فناوری نوای پرتغال توضیح می‌دهد: "این ترکیباتِ فرار کوچک به گیرنده‌های بویایی خاصی متصل می‌شوند. این اتصال سیگنال الکتریکی خاصی را تحریک می‌کند و به مغز پیغام می‌فرستد".
دلایل ارزشمندی برای تکرار و شبیه‌سازی ماشینیِ این فرایند وجود دارد. برخی از این ترکیباتِ فرار نظیر آلاینده‌های موجود در غذا یا مواد سرطان‌زایی مانند بنزن برای سلامتی مضرند و بهتر است قبل از رسیدن به بینی انسان شناسایی شوند. خطراتی مثل نشت‌گاز یا احتمال وجود مواد منفجرۀ نامرئی و مشکلات دیگر نیز دخیل است.
نقشه‌برداریِ رایحه
از اوایل دهۀ 1980 محققان در حال توسعۀ بینی‌های الکترونیکی بوده‌اند که در تشخیص برخی ترکیبات بویایی سودمند است. بااین‌که امروزه نتیجۀ برخی از این تحقیقات در حوزه‌های صنعتی به کار رفته، اما غالباً کاربرد محدودی دارند.
"جاکوب روزنشتاین"، مهندس برقِ دانشگاه براون که در سال ۲۰۱۸ بینی الکترونیکیِ ارزان‌قیمتی موسوم به "ترافل‌بات" را طراحی و توسعه داده است، می‌گوید: "کار دراین‌خصوص تاکنون با ابزارهای تحلیلی بسیار بزرگی صورت گرفته و البته اهداف کوچک و محدودی درنظر گرفته شده است".
به عقیدۀ دانشمندان فناوری بویایی نیازمندِ روشی برای ترسیم ساختار مولکولی براساس رایحۀ درک‌شدۀ آن‌هاست.
"جوئل مین‌لند"، پروفسور مرکز حواس شیمیاییِ مونل در فیلادلفیا می‌گوید: "بعضی مولکول‌ها از نظر ساختاری بسیار به هم شبیهند و بااین‌حال رایحۀ متفاوتی دارند. درمقابل برخی دیگر بسیار متفاوتند، اما رایحۀ بسیار مشابهی دارند. شما دائماً در تلاش برای ایجاد مدلی برای رفع این مشکل هستید."
مین‌لند و ویلچکو رهبران پروژه‌ای تحقیقاتی هستند که در اوایل سال جاری مطالعه‌ای پیرامون نقشه‌برداری رایحه منتشر کرده است. این تحقیق در راستای مطالعۀ ویلچکو در زمینۀ "شبکۀ عصبیِ گراف" منجر به طراحیِ "نقشه رایحۀ اصلی" شده؛ چیزی معادل همان پالت رنگی که احتمالاً در رایانه دیده‌اید.
کشف نقشۀ رایحه به دانشمندان این امکان را می‌دهد که انواع رایحه را در طیفی چندبعدی موسوم به آرجی‌بی قرار دهند.
ویلچکو می‌گوید: «RGB سه‌بعدی است، اما می‌توانید آن را روی یک تکه کاغذ صاف به تصویر بکشید. جالب است که در چشم ما ۳ کانال اطلاعات رنگ چشم وجود دارد، اما ۳۵۰ کانال اطلاعات رایحه در بینی داریم.
این فناوری‌ها اکنون توسعه یافته‌اند و به محققان اجازه می‌دهند رابطۀ بین بوها و ساختارهای شیمیایی آن‌ها را ترسیم کنند و درضمن به قابلیت پیش‌بینی مجهز شوند.
پیش‌بینی بو به مدد نقشۀ رایحه(GNN) روی ۴۰۰ مولکول آزمایش شده و در بیش از ۵۰ درصد موارد به نحوۀ توصیف انسان نزدیک بوده است. دانشمندان در حال حاضر مشغول مطالعۀ ۷ میلیارد مولکول هستند تا شناخت دقیق ساختار و ترسیم نقشۀ انواع رایحه میسر گردد.
رایحۀ دیجیتالی
پیش‌بینی دقیق رایحه در ترکیباتی که قبلاً بوی مشخصی نداشتند، برای کسانی که در صنایع طعم‌دهنده و عطر مشغول به کارند، موهبت است. "کریستوف لاودامیل" این حالت را به پیانویی تشبیه می‌کند که ناگهان کلیدهای بیشتری به دست آورده است.
چ نین دستاوردی احتمالاً بیشترین تأثیر را در این زمینه‌ها خواهد گذاشت: جستجوی بوهای ارزان‌تر، ایمن‌تر و جذاب‌تر، مواد شویندۀ لباس‌شویی و هر چیز دیگری با بو یا طعم اضافه.
بااین‌حال محققان امیدوارند چنین اکتشاف عظیمی بتواند بسیار فراتر از این‌ها باشد. به نظر ویلچکو کشاورزی، ذخیره‌سازی مواد غذایی، ردیابیِ همه‌گیری و پیشگیری از بیماری‌ها همگی از دیجیتالی‌کردنِ رایحه سود می‌برند و پیشرفت‌های زیادی در این زمینه حاصل شده است.
به نظر مین‌لند یکی از هیجان‌انگیزترین جنبه‌های تحقیق، امکان کشف "بوهای اولیه" است؛ همانطور که قرمز، سبز و آبی را ۳ رنگ اصلی می‌دانیم و می توانیم برای ایجاد هر ترکیب رنگی به کار بگیریم، امیدواریم مجموعۀ محدودی از بوها که در نسبت‌های صحیح ترکیب شده‌اند، بتوانند هر رایحه‌ای را ایجاد کنند و به نحو مؤثری این امکان را بدهند که هر رایحه‌ای را بازآفرینی کنیم.
با این حال، پیش از تحقق هرکدام از این موارد، محققان باید بوها را نه فقط به ترکیبات منفرد، بلکه در قالب ترکیبات پیچیده‌ای که منعکس‌کنندۀ پیچیدگیِ بوهای روزمره است، ترسیم کنند.
مسئله دیگری که در بسیاری از "مدل‌های هوش مصنوعی با یادگیری عمیق" مشترک است، این است که این مقوله در اصل به جعبه سیاه شباهت دارد. هرچند نتایج چشمگیر و بالقوه مفید هستند، اما لزوماً ما را به درک عملکرد بیولوژیکیِ بویایی نزدیک‌تر نمی‌کنند.
"راشل هرز"، پژوهشگر دپارتمان روانپزشکی و رفتار انسانی در دانشگاه براون می‌گوید: «هرچند ارتباطاتی وجود دارد، اما بین ساختار شیمیایی و ادراک بویاییِ کیفی ارتباط مستقیمی وجود ندارد. مغز انسان تحت تأثیر بسیاری از متغیرهاست، از تجربه، محیط و زبان گرفته تا تفاوت‌های فردی در تبیینِ ژنتیکی گیرنده‌های بویایی.
توسعه و ترسیم نقشۀ هوشمند رایحه گام کوچکی به ساحتِ ادراکِ بویایی است. بیش از ۱۰۰ سال از پرسش نامأنوسِ الکساندر گراهام بل گذشته است. حالا در پاسخ به این‌که "آیا می‌توان رایحه را اندازه‌گیری کرد؟" ، می‌توانیم بگوییم «بله».
بسیارجالب ومفیدبود. تشکر.ازادم دوپا هرکاری که فکرش بشود دورازانتظارنیست.