화학물질이 인간에게 어떤 영향을 미칠까?
연구자들은 우리가 흡입하는 분자의 화학적 구조가 우리의 냄새에 영향을 준다는 것을 오랫동안 알고 있었다. 하지만 대부분은, 아무도 정확히 방법을 모릅니다. 과학자들은 코와 뇌가 그것의 특성에 따라 공기 분자를 인식하는 방식을 지배하는 몇 가지 정확한 규칙을 해독했다. 예를 들어 마늘 향과 같은 유황 함유 화합물과 암모니아에서 파생된 아민을 생선 냄새로 빠르게 인식하는 것이 분명해졌다. 하지만 이것들은 예외입니다.
AI가 예상하는 영향
구조적 연관성이 없는 분자도 비슷한 향을 낼 수 있다는 것이 밝혀졌습니다. 예를 들어, 고리 모양의 사이안화수소와 더 큰 벤츠 알데하이드는 둘 다 아몬드 냄새를 맡습니다. 한편, 작은 구조적 변화(이중 결합의 위치를 이동하더라도)는 향수를 극적으로 변화시킬 수 있다. 이 불안한 연금술에 의미를 부여하기 위해 연구자들은 인공지능의 계산력에 눈을 돌렸다. 오늘날, 한 팀은 냄새 분자의 화학적 특성에 따라 분홍색, 약물, 지구 등 한 사람에게 어떤 화합물이 냄새를 맡을 수 있는지 예측하기 위해 그래픽 신경 네트워크라는 유형의 AI를 구성했다. 컴퓨터 모델은 인간만큼 믿을 수 있는 새로운 향수를 평가했으며, 연구자들은 미리 인쇄된 퇴적물의 biRxiv에 실린 새로운 논문에서 보고한다. "세계의 냄새와 냄새의 기능에 대해 근본적인 것을 배웠고, 이는 저를 놀라게 했습니다."라고 구글 연구에 있는 동안 디지털 후각 팀을 이끌었던 구글의 벤처 캐피털 회사 VG에서 알렉스 윌츠스코가 설명합니다. 평균적인 인간의 코는 엄청난 수의 공중 분자와 결합할 수 있는 약 350종의 후각 수용체를 포함하고 있다. 그런 다음이 수용체는 뇌가 나중에 커피, 휘발유 또는 향수를 해석하는 신경 신호를 방아쇠 합니다. 과학자들은 이 과정이 넓은 의미에서 어떻게 작용하는지는 알 수 있지만, 냄새 수용체의 정확한 형태나 시스템이 이러한 복잡한 신호를 어떻게 코드화하는지와 같은 많은 세부 사항들은 아직 거기서 벗어나지 못하고 있다. 컬럼비아 대학의 후각 신경과학자인 스튜어트 퍼 스타 인은 이 모델을 "컴퓨터 생물학의 파워 타워"라고 부른다.
그러나 많은 기계 러닝 기반 연구들이 그렇듯이, "그것은 결코 내 생각에 사물이 어떻게 작용하는지에 대한 훨씬 더 깊은 통찰력을 주지 않는다"고 문서에 관여하지 않은 Fir stein씨가 말한다. 그의 비판은 기술에 내재한 특징에서 비롯된다: 이러한 신경망은 일반적으로 해석할 수 없으며, 이는 인간 연구자들은 모델이 문제를 해결하기 위해 사용하는 추론에 접근할 수 없다는 것을 의미한다. 게다가, 이 모델은 분자와 냄새 사이의 직접적인 연관성을 확립함으로써 신경계의 극복할 수 없는 기능을 배제한다. 그럼에도, Fir stein 등은 그것을 후각의 의미와 화학과의 밀접한 관계를 연구하는데 잠재적으로 유용한 도구로 묘사했다. 관련 연구자들에게 이 모델은 또한 냄새나는 우주를 묘사하기 위해 숫자에 기초한 보다 정확한 방법을 향한 움직임을 나타내며, 이는 결국 디지털 세계에 이러한 의미를 가져다줄 수 있다고 생각한다. "저는 컴퓨터가 볼 수 있는 것과 같은 방식으로 들을 수 있고 느낄 수 있는 미래를 깊이 믿습니다."라고 현재 이 기술의 상용화를 연구하고 있는 윌츠코가 말합니다. 한동안 연구자들은 후각을 연구하기 위해 컴퓨터 모형화를 사용해 왔다. 2017년에 발표된 논문에서, 공개 모집 대회는 인간들이 사는 것에 따라 그들의 향수를 묘사하는 "달콤한", "태운" 그리고 "꽃"과 같은 특정 라벨에 분자 구조를 일치시킬 수 있는 모델을 제작했다. 새로운 추적 노력의 목적으로 Wiltschko 팀은 원자의 특성과 그들을 연결하는 연결을 포함하여 잘 연구된 약 5,000개의 분자의 데이터로 모델을 구성했습니다. 결과적으로, 모델은 극도로 복잡한 냄새의 "지도"를 생성했다. 2차원 위치를 집계하는 기존의 종이 지도와 달리, 모델은 냄새 분자를 256차원 기반 "위치"에 배치했는데, 이는 분자를 구별하는 데 사용할 수 있는 알고리즘을 귀속시킨다. 이 지도가 실제 인간의 인식과 일치하는지 확인하기 위해 윌츠코 팀은 모낼 화학 감각 센터의 후각 신경 과학자인 조엘 본토에 눈을 돌렸다. 여기서 성공을 정의하는 것은 조금 어렵습니다. "당신은 어떤 것의 냄새를 어떻게 정의합니까?"라고 메인랜드 씨는 말합니다. "여기서 [향수 산업]이 하는 일은 기본적으로 한 무리의 사람들을 모아서 냄새를 설명하는 것입니다. 첫째, 대륙과 다른 것들은 향기가 문서로 만들어 지지 않은 분자의 집합을 확인했다. 연구에 훈련된 최소 15명의 참가자가 각각 냄새를 맡았다. 후각에 대한 인식은 사람마다 상당히 다를 수 있기 때문에, 유전적 차이, 경험 및 개인적 선호도 때문에, 연구자들은 참가자들의 평가와 이 평균을 모델의 예측과 비교했다. 그들은 분자의 53%가 모델이 일반적인 개인주의자에 비해 패널 평균에 가깝다는 것을 발견했습니다. 이는 라벨에 기초한 이전 모델을 능가한다고 생각합니다. 비록 새로운 모델이 독특한 분자를 받았을 때 인간의 냄새에 대한 인식을 모방할 수 있는 것으로 밝혀졌음에도, 그는 현실 세계에서 그렇게 잘하지 못할 것이다. 장미에서 담배 연기까지, 대부분 냄새는 혼합물이다. 또한, 연구팀은 향수에 관한 데이터를 사용하여 새로운 모델을 훈련했는데, 이는 향기로운 냄새와 멀리 떨어져 있는 향을 향기롭게 한다. 이러한 한계에도, 이 모델은 예를 들어 후각 화학에 관심이 있는 사람들에게 과소 연구된 악취를 확인하거나 분자 구조의 변화가 인식을 어떻게 변화시키는지 시험하는 것을 도울 수 있다. 그리고 화학자들은 향수 공식을 다듬거나 잠재적인 새로운 성분을 식별할 때 그것을 참조할 수 있습니다. Wiltschko의 팀은 이미 이 모델을 사용하여 화학 물질의 구조와 사람과 다른 생명체가 냄새를 인식하는 방법 사이의 관계에 대한 이론을 테스트했습니다. 8월에 바이오 Xiv에 게재된 또 다른 사전 인쇄된 논문에서, 연구원들은 동물의 신진대사, 즉 음식을 에너지로 변환하는 것과 같은 그의 생명을 지탱하는 화학적 과정들이 이 설명을 고려할 수 있다고 제안한다. 데이터베이스에서 그들은 냄새를 환기하기 위해 예측된 대사 화합물을 선택하고 그들의 냄새 지도 모델을 사용하여 분자를 분석하였다. 연구팀은 대사 반응에 밀접하게 연관된 역할을 하는 분자들은 구조가 다르더라도 같은 냄새를 맡는 경향이 있다고 결론짓는다. 이 별도의 문서 공동 저자는 아니지만, 이 프로젝트에 대해 팀과 상의한 본토는 그의 발견은 "정말 흥미진진하다"며 "우리는 단지 문제를 해결하는 모델을 만드는 것만이 아니다"고 말했다. 우리는 이 모든 것의 기초가 되는 논리가 무엇인지 알아내려고 노력하고 있습니다. 이 모델은 또한 요청에 따라 특정 향을 등록하거나 생산하는 새로운 기술의 문을 열 수 있다. Wiltschko는 그 팀의 작업을 인간의 냄새에 대한 인식을 "완전한 지도"로 향한 한 걸음이라고 묘사한다. 최종 버전은 가시적인 색상을 정의하는 국제 조명 위원회가 정의한 "색 공간"에 필적할 것이다. 그러나 새로운 후각 지도와 달리 색 공간은 단어에 의존하지 않는다고 연구에 참여하지 않은 옥스퍼드 대학의 인지 과학 교수인 아시라 마지 드는 말합니다. 마지 드는 인간의 감각적 지각의 기초로서 언어를 사용하는 것에 대해 의문을 제기한다. 다른 언어를 사용하는 사람들은 세상을 말하는 다양한 방법을 가지고 있으며 범주가 항상 정확하게 번역하지는 않습니다."라고 그녀는 말합니다. 예를 들어, 영어권 사람들은 종종 커피나 계피와 같은 잠재적인 원천을 참조하여 냄새를 묘사한다. 그러나 말레이시아와 태국의 일부 지역에서 사용되는 원주민 언어인 지하 이에서는 12개의 기본 냄새 단어 중에서 선택합니다. 이를 검증하기 위한 경험적 연구가 없다면, "우리는 이 작업이 어떻게 다른 언어로 확장될지 모른다"고 마지 드는 말한다. 이론적으로, 연구자들은 냄새를 비교하도록 요청받았을 때 패널리스트들의 반응 시간을 측정함으로써 라벨이 없는 냄새를 정의할 수 있었을 것이다: 유사한 냄새를 구별하기 더 어렵기 때문에 참가자들이 그렇게 하는 데 더 많은 시간이 필요하다. 그러나 대륙에 따르면 이러한 행동적 접근은 훨씬 덜 현실적이었다. 모델이 냄새나는 우주의 구성에 대해 근본적인 것을 배웠기 때문에, 그는 이 지도가 세계의 다른 곳에서도 적용될 수 있을 것으로 기대한다고 말한다. 비록 단어에 의존하지 않고 냄새에 대한 인간의 인식을 연구할 수 있지만, 연구자들은 여전히 이러한 경험을 중요한 보편적 언어인 숫자로 표현할 능력이 없다. 색 공간 좌표나 육각형 코드(빨간색, 녹색 및 파란색으로 색상을 인코딩)의 후각 등가물을 개발함으로써, 연구자들은 냄새를 새로운 정밀도로 묘사하고 심지어 디지털화하려고 한다. 시각과 청력을 위해, 연구자들은 뇌가 주목하는 특징들을 배웠다고 영국 하트퍼드셔 대학에서 후각 연구를 위해 화학 컴퓨터 기술을 사용하고 연구에 참여하지 않은 마이클 슈머커는 설명한다. 후각에 대해서는 "지금 처리해야 할 일이 많다"고 그는 말한다. 주요 향수의 식별은 주요 과제이다. 냄새가 효과적으로 기록되고 재현되는 디지털 이미지 처리의 후각 등가물을 생성하기 위해 연구자들은 빨간색, 녹색 및 파란색과 같이 혼합될 때 신뢰할 수 있는 냄새 범위를 생성하는 냄새 분자의 집합을 식별해야 한다. "사람들이 일하고 있지만, 그것은 현재 널리 퍼진 공상과학 소설입니다."라고 휴무하거든 말합니다
