Science news: कैसे AI एक कठिन समस्या को हल कर रहा

विज्ञान Science: 100 साल से भी ज़्यादा पहले, एलेक्ज़ेंडर ग्राहम बेल (Alexander Graham Bell)ने नेशनल जियोग्राफ़िक के पाठकों से कुछ साहसिक और नया करने के लिए कहा था - "एक नया विज्ञान खोजने के लिए।" उन्होंने बताया कि ध्वनि और प्रकाश के मापन पर आधारित विज्ञान पहले से ही मौजूद थे। लेकिन गंध का कोई विज्ञान नहीं था। बेल ने अपने पाठकों से "गंध को मापने" के लिए कहा। आज, ज़्यादातर लोगों की जेब में मौजूद स्मार्टफ़ोन ध्वनि और प्रकाश के विज्ञान पर आधारित प्रभावशाली अंतर्निहित क्षमताएँ प्रदान करते हैं: वॉयस असिस्टेंट, चेहरे की पहचान और फ़ोटो एन्हांसमेंट। गंध का विज्ञान कुछ भी तुलनीय नहीं देता है। लेकिन यह स्थिति बदल रही है, क्योंकि मशीन घ्राण में प्रगति, जिसे "डिजिटाइज़्ड गंध" भी कहा जाता है, आखिरकार बेल के कार्य करने के आह्वान का जवाब दे रही है। मशीन घ्राण पर शोध मानव गंध की जटिलता के कारण एक कठिन चुनौती का सामना करता है। जबकि मानव दृष्टि मुख्य रूप से रेटिना में रिसेप्टर कोशिकाओं - छड़ और तीन प्रकार के शंकु पर निर्भर करती है - नाक में लगभग 400 प्रकार की रिसेप्टर कोशिकाओं के माध्यम से गंध का अनुभव होता है। मशीन घ्राण सेंसर से शुरू होता है जो हवा में अणुओं का पता लगाता है और उनकी पहचान करता है। ये सेंसर आपकी नाक में रिसेप्टर्स के समान ही काम करते हैं।

लेकिन लोगों के लिए उपयोगी होने के लिए, मशीन घ्राण को एक कदम और आगे जाने की जरूरत है। सिस्टम को यह जानने की जरूरत है कि एक निश्चित अणु या अणुओं का एक समूह मनुष्य को कैसी गंध देता है। इसके लिए, मशीन घ्राण को मशीन लर्निंग की जरूरत होती है।

गंधों पर मशीन लर्निंग लागू करना

मशीन लर्निंग, और विशेष रूप से डीप लर्निंग नामक एक प्रकार की मशीन लर्निंग, वॉयस असिस्टेंट और फेशियल रिकग्निशन ऐप (facial recognition app)जैसी उल्लेखनीय प्रगति के मूल में है।

मशीन लर्निंग गंधों को डिजिटाइज़ करने के लिए भी महत्वपूर्ण है क्योंकि यह गंध पैदा करने वाले यौगिक की आणविक संरचना को टेक्स्ट गंध वर्णनकर्ताओं में मैप करना सीख सकती है। मशीन लर्निंग मॉडल उन शब्दों को सीखता है जिनका उपयोग मनुष्य आमतौर पर करते हैं - उदाहरण के लिए, "मीठा" और "मिठाई" - यह वर्णन करने के लिए कि जब वे वैनिलिन जैसे विशिष्ट गंध पैदा करने वाले यौगिकों का सामना करते हैं तो वे क्या अनुभव करते हैं।

हालाँकि, मशीन लर्निंग के लिए बड़े डेटासेट की आवश्यकता होती है। वेब पर अकल्पनीय रूप से बड़ी मात्रा में ऑडियो, छवि और वीडियो सामग्री है जिसका उपयोग कृत्रिम बुद्धिमत्ता प्रणालियों को प्रशिक्षित करने के लिए किया जा सकता है जो ध्वनियों और चित्रों को पहचानते हैं। लेकिन मशीन घ्राण को लंबे समय से डेटा की कमी की समस्या का सामना करना पड़ रहा है, आंशिक रूप से इसलिए क्योंकि ज़्यादातर लोग गंधों का मौखिक रूप से उतनी सहजता और पहचान के साथ वर्णन नहीं कर सकते हैं, जितना वे दृश्यों और ध्वनियों का वर्णन कर सकते हैं। वेब-स्केल डेटासेट तक पहुँच के बिना, शोधकर्ता वास्तव में शक्तिशाली मशीन लर्निंग मॉडल को प्रशिक्षित करने में सक्षम नहीं थे।

हालाँकि, 2015 में चीजें बदलने लगीं जब शोधकर्ताओं ने DREAM घ्राण भविष्यवाणी चुनौती शुरू की। प्रतियोगिता ने गंध का अध्ययन करने वाले जीवविज्ञानी एंड्रियास केलर और लेस्ली वोसहॉल द्वारा एकत्र किए गए डेटा को जारी किया और दुनिया भर की टीमों को अपने मशीन लर्निंग मॉडल प्रस्तुत करने के लिए आमंत्रित किया। मॉडल को गंध पैदा करने वाले यौगिकों के लिए उनकी आणविक संरचना के आधार पर "मीठा", "फूल" या "फल" जैसे गंध लेबल की भविष्यवाणी करनी थी।

सबसे अच्छा प्रदर्शन करने वाले मॉडल 2017 में साइंस जर्नल में एक पेपर में प्रकाशित हुए थे। रैंडम फ़ॉरेस्ट नामक एक क्लासिक मशीन लर्निंग तकनीक, जो कई निर्णय वृक्ष प्रवाह चार्ट के आउटपुट को जोड़ती है, विजेता बन गई।

मैं एक मशीन लर्निंग शोधकर्ता हूँ जिसकी रसायन विज्ञान और मनोचिकित्सा में मशीन लर्निंग को लागू करने में लंबे समय से रुचि है। ड्रीम चैलेंज ने मेरी दिलचस्पी जगाई। मुझे घ्राण से भी व्यक्तिगत जुड़ाव महसूस हुआ। मेरे परिवार की जड़ें उत्तर भारत के छोटे से शहर कन्नौज से जुड़ी हैं, जो भारत की परफ्यूम राजधानी है। इसके अलावा, मेरे पिता एक रसायनज्ञ हैं जिन्होंने अपने करियर का अधिकांश समय भूवैज्ञानिक नमूनों का विश्लेषण करने में बिताया। इस प्रकार मशीन घ्राण ने परफ्यूमरी, संस्कृति, रसायन विज्ञान और मशीन लर्निंग के चौराहे पर एक अनूठा अवसर प्रदान किया।

ड्रीम चैलेंज के समाप्त होने के बाद मशीन घ्राण में प्रगति ने गति पकड़नी शुरू कर दी। कोविड-19 महामारी के दौरान, गंध अंधापन या एनोस्मिया के कई मामले सामने आए। गंध की भावना, जो आमतौर पर पीछे रह जाती है, लोगों की चेतना में उभरी। इसके अतिरिक्त, एक शोध परियोजना, पाइरफ्यूम प्रोजेक्ट ने अधिक और बड़े डेटासेट को सार्वजनिक रूप से उपलब्ध कराया।

गहरी गंध

2019 तक, ड्रीम चैलेंज में सबसे बड़े डेटासेट 500 से कम अणुओं से बढ़कर लगभग 5,000 अणुओं तक पहुँच गए थे। अलेक्जेंडर विल्ट्सको के नेतृत्व में एक Google रिसर्च टीम आखिरकार मशीन घ्राण में डीप लर्निंग क्रांति लाने में सक्षम थी। ग्राफ न्यूरल नेटवर्क नामक डीप लर्निंग के एक प्रकार पर आधारित उनके मॉडल ने मशीन घ्राण में अत्याधुनिक परिणाम स्थापित किए। विल्ट्सको अब ओस्मो के संस्थापक और सीईओ हैं, जिसका मिशन "कंप्यूटर को गंध की भावना देना" है। हाल ही में, विल्ट्सको और उनकी टीम ने एक ग्राफ न्यूरल नेटवर्क का उपयोग करके "प्रमुख गंध मानचित्र" बनाया, जहाँ अवधारणात्मक रूप से समान गंधों को असमान गंधों की तुलना में एक दूसरे के करीब रखा गया है। यह आसान नहीं था: आणविक संरचना में छोटे बदलाव घ्राण धारणा में बड़े बदलाव ला सकते हैं। इसके विपरीत, बहुत अलग आणविक संरचना वाले दो अणु फिर भी लगभग एक जैसी गंध ले सकते हैं। गंध के कोड को क्रैक करने में ऐसी प्रगति नहीं है