ساخت زبان مصنوعی با قابلیت یادگیری و تشخیص طعم‌ های مختلف

01

از 04

چالش شبیه‌سازی حس چشایی

برخلاف حس‌هایی مانند بینایی و شنوایی که با مدارهای الکترونیکی جامد شبیه‌سازی می‌شوند، حس چشایی باید در محیطی مایع کار کند، چرا که در آن به جای الکترون‌ها، یون‌ها (ذرات باردار) وظیفه‌ انتقال اطلاعات را دارند. پژوهشگران برای غلبه بر این چالش، دستگاهی به نام GO-ISMD ساخته‌اند، که نوعی حافظه‌ هوشمند مبتنی بر اکسید گرافن است که می‌تواند سیگنال‌های یونی را دریافت و پردازش کند و دقیقا همانند بدن انسان عمل نماید.

درون کانال‌های بسیار ریز این دستگاه، یون‌ها هنگام عبور، به سطح دیواره‌ها می‌چسبند و دوباره جدا می‌شوند. این رفت‌و‌برگشت باعث می‌شود که حرکت آنها کند شود و یک نوع سیگنال الکتریکی شبیه حافظه تولید گردد. این حافظه‌ کوتاه‌مدت و ناپایدار به دستگاه اجازه می‌دهد که هم‌زمان مواد شیمیایی را تشخیص دهد و همان‌جا آنها را در محیطی مرطوب و مشابه بدن انسان پردازش کند.

02

از 04

رفتار زبان مصنوعی مشابه سیناپس‌ها

زمانی که این دستگاه با پالس‌های الکتریکی تحریک شد، رفتاری مشابه سیناپس‌های مغز انسان از خود نشان داد. یعنی می‌توانست واکنش‌های خود را تقویت یا ضعیف کند، نشانه‌هایی از حافظه داشته باشد و حتی دو سیگنال پشت‌سر‌هم را به خاطر بسپارد. نکته‌ جالب اینجا است که هرچه لایه‌ اکسید گرافن ضخیم‌تر بود، حافظه‌ دستگاه هم بیشتر دوام می‌آورد.

پژوهشگران برای اینکه زبان مصنوعی بتواند این واکنش‌های پیچیده را به چیزی شبیه «ادراک طعم» تبدیل کند، از یک سامانه پیشرفته استفاده شد. این سامانه کمک می‌کند تا سیگنال‌های دریافتی از محیط، مثل مغز انسان، به‌ صورت هوشمندانه تحلیل و تفسیر شوند. به‌عبارتی، دستگاه با این روش می‌تواند بفهمد که با چه نوع ماده‌ای سروکار دارد و بتواند طعم شیرین، شور یا تلخ را تشخیص دهد.

03

از 04

دقت زبان مصنوعی در شناسایی طعم‌ها

این زبان مصنوعی در آزمایش‌ها، چهار طعم اصلی شامل ترش (اسید استیک)، شور (نمک NaCl)، تلخ (MgSO₄) و شیرین (استات سرب) را با دقتی نزدیک به ۹۸/۵ درصد شناسایی کرد. حتی نوشیدنی‌هایی مانند قهوه، کوکاکولا و ترکیب آنها نیز با دقت بالا دسته‌بندی شدند.

04

از 04

چالش‌ها و آینده کاربردی

با وجود اینکه زبان مصنوعی جدید دستاورد بزرگی به‌حساب می‌آید، اما پژوهشگران می‌گویند که هنوز در مراحل ابتدایی و آزمایشی قرار دارد. دستگاه فعلی به نسبت بزرگ است و برای کار کردن، انرژی زیادی مصرف می‌کند. به همین دلیل، برای اینکه در آینده کاربردی‌تر شود، باید مدارهای آن کوچک‌تر و منسجم‌تر طراحی شوند.

این فناوری توانسته است بین سه حوزه‌ مهم پل بزند:

• محاسباتی که از عملکرد مغز الهام گرفته‌اند.
•  مواد شیمیایی را شناسایی می‌کند.
•  سامانه‌هایی که شبیه بدن موجودات زنده طراحی شده‌اند.

 اگر در آینده بتوان بهره‌وری انرژی این سیستم را بالا برد، آن را در ابعاد کوچک‌تر تولید کرد و حسگرهای بیشتری به آن افزود، انتظار می‌رود که طی ده سال آینده در زمینه‌هایی مانند: سلامت انسان، ربات‌های هوشمند و نظارت بر محیط‌ زیست، تحولی بزرگ ایجاد کند.