Entrenan inteligencia artificial para predecir olores sin necesidad del olfato humano

Un equipo de investigadores estadounidenses ha desarrollado un modelo de aprendizaje automático capaz de predecir 500.000 moléculas aromáticas nunca antes sintetizadas.

Los hallazgos servirían a los científicos para anticiparse al olor de una sustancia química sin que un humano la huela.

El mundo de los olores ha desconcertado durante mucho tiempo a científicos, fabricantes de perfumes y neurocientíficos por igual.

A diferencia de la luz, cuyo color está definido por la longitud de onda, la relación entre las propiedades físicas de una molécula y su olor está lejos de ser tan directa.

Ahora, un estudio ha revelado una nueva frontera en la ciencia olfativa.

Se trata de un sistema de inteligencia artificial capaz de predecir cómo olerán las moléculas, sin necesidad de narices humanas.

Al frente de esta innovación se encuentra un equipo de investigadores de varias entidades, entre ellas, Google Research.

El grupo de científicos ha desarrollado el Principal Odor Map (Mapa de Olores Principales), un modelo revolucionario de aprendizaje automático diseñado para descifrar el complejo lenguaje del olor.

Liderado por Emily Mayhew, una científica de alimentos de la Universidad Estatal de Michigan (EE UU), el estudio representa un punto de inflexión en este ámbito.

Y es que, tradicionalmente, el proceso de identificar el aroma de una molécula ha sido tedioso y lento, que ha requerido décadas de esfuerzo humano.

Sin embargo, la inteligencia artificial ha cambiado el juego: ha sido capaz de predecir más de 500.000 moléculas aromáticas que nunca antes se habían sintetizado.

Para que el lector se haga una idea, se trata de una tarea que un humano habría completado en unos 70 años.

Como señala Mayhew a Scientific American, “nuestro rango de frecuencias para perfilar moléculas es muchísimo más amplio”.

El color de la luz viene definido por su longitud de onda, sin embargo, no existe una relación tan sencilla entre las propiedades físicas de una molécula y su aroma.

Un pequeño desajuste estructural puede alterar drásticamente el aroma de una molécula; y a la inversa, las sustancias químicas pueden oler parecido aunque tengan estructuras moleculares diferentes.

Por eso, la capacidad de este modelo para cerrar la brecha entre las propiedades químicas de una molécula y sus características olfativas ha sido clave para su eficacia.

A diferencia de enfoques anteriores, cuyo rendimiento predictivo era limitado, este mapa olfativo emplea una red neuronal entrenada con 5.000 odorantes conocidos.

La red enfatiza 256 características químicas según su impacto en el olor de una molécula, creando efectivamente un mapa de olores que va más allá de las fronteras tradicionales.

En otras palabras, el modelo crea un mapa gigante de olores en el que las coordenadas de cada molécula vienen determinadas por sus propiedades químicas.

En este contexto, lo que distingue a este modelo es su notable precisión predictiva.

Al aprovechar 55 etiquetas descriptivas como ‘herbáceo’ o ‘amaderado’, el sistema puede anticipar cómo olerá cada molécula para un humano.

Posteriormente, el equipo comparó las predicciones olfativas del modelo con el criterio de 15 humanos entrenados para describir nuevos olores.

Las predicciones del modelo se aproximaron tanto como las de cualquier juicio humano a las descripciones medias de los nuevos olores realizadas por el panel de expertos.

Pero lo que más ha sorprendido a los investigadores ha sido su capacidad para predecir la intensidad de un aroma y la similitud entre dos moléculas, dos funciones para las que no había sido explícitamente diseñado.

“Fue una gran sorpresa”, afirmaba Mayhew.

Asimismo, una de las características más intrigantes del modelo es su capacidad para agrupar aromas similares en el mapa, un avance que los mapas olfativos anteriores no habían logrado alcanzar.

Este fenómeno de clasificación abre por tanto un nuevo camino en el estudio y la comprensión del olor, y al mismo tiempo, nuevas vías para la investigación olfativa.

Sin embargo, a pesar de sus innovadoras capacidades, el Principal Odor Map no está exento de limitaciones.

Solo puede predecir los olores de moléculas individuales.

Sin embargo, los olores del mundo real suelen ser mezclas complejas.

Es decir, en el mundo real los olores son casi siempre mezclas olfativas: desde las que desprenden los perfumes de marca hasta las bolsas de basura.

Por ello, Mayhew reconoce este desafío, afirmando que la percepción de mezclas es el próximo paso.

En todo caso, predecir el perfil olfativo de las mezclas representaría una tarea compleja debido a las innumerables combinaciones posibles.

“El enorme número de combinaciones posibles hace que sea exponencialmente más difícil predecir mezclas, pero el primer paso es entender a qué huele cada molécula”, afirma Pablo Meyer Rojas, biólogo computacional en IBM Research, que no ha participado en el estudio.

Con todo, este mapa olfativo representa un hecho insólito en la ciencia olfativa, pues se trata de un testimonio del poder de la inteligencia artificial para desentrañar los misterios del olor.

Al descifrar el lenguaje del olor, los investigadores esperan desbloquear una miríada de aplicaciones, desde la perfumería y la química de sabores hasta la neurociencia o el monitoreo ambiental.

En este sentido, se cree que esta tecnología podría inspirar nuevos perfumes o combatir enfermedades.

Fuente: Science