Un nuevo algoritmo permite identificar olores en tiempo real

El ser humano est¨¢ viviendo con nuevos artefactos que aprenden por s¨ª solos con un margen de progresi¨®n que parece no tener l¨ªmite. Es lo que cuenta Eric Sadin en su libro La inteligencia artificial o la apuesta del siglo (Editorial L¡¯?chapp¨¦e, 2018). El fil¨®sofo franc¨¦s, especialista en la relaci¨®n entre el ser humano y la tecnolog¨ªa, recuerda el papel de los algoritmos que permiten al dispositivo perfeccionar sus competencias humanas y multiplicar sus conocimientos, capa por capa, hasta alcanzar quiz¨¢s la perfecci¨®n.

...

El ser humano est¨¢ viviendo con nuevos artefactos que aprenden por s¨ª solos con un margen de progresi¨®n que parece no tener l¨ªmite. Es lo que cuenta Eric Sadin en su libro La inteligencia artificial o la apuesta del siglo (Editorial L¡¯?chapp¨¦e, 2018). El fil¨®sofo franc¨¦s, especialista en la relaci¨®n entre el ser humano y la tecnolog¨ªa, recuerda el papel de los algoritmos que permiten al dispositivo perfeccionar sus competencias humanas y multiplicar sus conocimientos, capa por capa, hasta alcanzar quiz¨¢s la perfecci¨®n.

Un nuevo estudio publicado este lunes en Nature Machine Intelligence confirma el relato de Sadin: unos investigadores han creado un nuevo algoritmo para que una m¨¢quina aprenda e identifique olores en tiempo real pese a la presencia de otras sustancias. ¡°Es posible que llegue a ser mejor que el ser humano cuando vayamos a?adiendo m¨¢s sensores y ense?¨¢ndole m¨¢s componentes. Haciendo c¨¢lculos la m¨¢quina es claramente superior a nosotros¡±, explica Thomas Cleland, autor del estudio e investigador en el laboratorio de Fisiolog¨ªa Computacional de la Universidad de Cornell (Estados Unidos).

Todo en el entorno tiene un componente qu¨ªmico y cada una de estas sustancias produce una secuencia espacio-temporal caracter¨ªstica de pulsos el¨¦ctricos. Al dibujarse el circuito neuronal, lo mandan a la m¨¢quina y esta lo aprende un cuesti¨®n de segundos. Los investigadores han utilizado una base p¨²blica de datos de olores de distintos productos qu¨ªmicos que hab¨ªan sido detectados con sensores.

Estos resultados ayudan a comprender el olfato de los mam¨ªferos y pueden servir a crear una nariz artificial capaz de reconocer olores espec¨ªficos pese a la presencia de otras sustancias desconocidas

El circuito de neuronas artificiales se entren¨® con olores como el tolueno, el amon¨ªaco, la acetona, el mon¨®xido de carbono y el metano. Este algoritmo dise?ado, seg¨²n explica Teresa Serrano, investigadora del Instituto de Microelectr¨®nica de Sevilla del Consejo Superior de Investigaciones Cient¨ªficas, es ¡°un algoritmo de aprendizaje en l¨ªnea, cuya existencia se ha demostrado en las neuronas biol¨®gicas, que memoriza patrones espacio-temporales de estimulaci¨®n de pulsos repetitivos¡±.

Crear una m¨¢quina que huele tiene sentido. El objetivo de este proyecto es desarrollar un dispositivo estable, que no se cansa, capaz de identificar elementos t¨®xicos, fugas de sustancias y calibrar la calidad del aire, entre otras cosas. Los investigadores cuentan por ahora con 72 sensores para introducir, a partir del circuito neuronal de los mam¨ªferos incluido el humano, la secuencia de cada olor distinto en el sistema. Estos resultados ayudan a comprender el olfato de los mam¨ªferos y pueden servir a crear una nariz artificial capaz de reconocer olores espec¨ªficos en medio de otros componentes que todav¨ªa no se hayan registrado.

Una nariz tiene unas 10 millones de c¨¦lulas y el ser humano tira provecho de hasta 400 tipos de receptores en su sistema olfativo mientras que otros mam¨ªferos como los caninos y ciertos roedores superan los 1.000, seg¨²n los datos de Cleland. ¡°Los ratones y los perros captan muchos m¨¢s olores que el ser humano y combinar los receptores de cada animal en una sola m¨¢quina llegar¨¢ a sobrepasar la capacidad humana¡±, a?ade el experto. Por ahora, la m¨¢quina comete errores el 5% del tiempo por culpa de la superposici¨®n de los componentes que hace d¨ªficil, a veces, reconocerlos individualmente. ¡°Estamos trabajando en ello, en ampliar el circuito¡±, asegura Cleland.

Este tipo de arquitectura ya ha sido demostrada para redes neuronales basadas en visi¨®n y en sensores auditivos

Teresa Serrano, investigadora del IMSE-CSIC

El sistema llamado Loihi es un procesador bioinspirado, es decir, que imita la forma de pensar y el modo de los sistemas biol¨®gicos de tratar informaci¨®n. Gracias a este m¨¦todo que implementa los pulsos electr¨®nicos de la secuencia del componente qu¨ªmico, los expertos han creado una arquitectura neuronal de clasificaci¨®n de olores en tiempo real. ¡°Este tipo de arquitectura ya ha sido demostrada para redes neuronales basadas en visi¨®n y en sensores auditivos¡±, completa Serrano.

Pero entonces, ?este aprendizaje autom¨¢tico (machine learning) podr¨ªa crear una m¨¢quina con los cinco sentidos del ser humano? Cleland asegura que la arquitectura que han elaborado es muy espec¨ªfica y no podr¨ªa adaptarse a todo. ¡°La m¨¢quina toma decisiones muy precisas, pero es verdad que para lo gustativo, por ejemplo, podr¨ªa responder de la misma manera¡±, reconoce.

Los hallazgos tambi¨¦n sugieren que la adaptaci¨®n de tales sistemas neuronales biol¨®gicos podr¨ªa representar un m¨¦todo poderoso para desarrollar nuevos algoritmos que van m¨¢s all¨¢ de las tendencias actuales en inteligencia artificial, seg¨²n el estudio.