Wetenschappers hebben lang gedebatteerd over hoe de receptoren van het menselijk lichaam ons in staat stellen om een breed scala aan geuren waar te nemen en ze een of andere beschrijving te geven. In een poging dit probleem op te lossen, werd aan teams van ingenieurs over de hele wereld gevraagd om AI te maken die zowel geuren als mensen kon waarnemen.
Kleur voorspellen is niet zo moeilijk: als een lichtgolf bijvoorbeeld 510 nm bereikt, zullen de meeste mensen zeggen dat het groen is. Maar erachter komen hoe een bepaald molecuul ruikt, is veel moeilijker. 22 teams van wetenschappers hebben een reeks algoritmen ontwikkeld die de geuren van verschillende moleculen kunnen voorspellen op basis van hun chemische structuur. Het volledige scala aan praktische toepassingen van het programma moet nog worden bepaald, maar de ontwikkelaars hopen dat het allereerst parfumeurs, apothekers en voedselpersoneel zal helpen bij het ontwikkelen van nieuwe, unieke geurcombinaties.
Het werk begon met een recente studie van Leslie Vosshall en collega's van de Rockefeller University in New York, waarin 49 vrijwilligers werd gevraagd 467 geuren te raden. Voor elk van hen werd een vergelijkingssysteem van 19 basispatronen ontwikkeld: de proefpersonen zeiden of de geur vergelijkbaar was met die van vis of knoflook, beoordeelden de intensiteit en individuele aangenaamheid van het aroma. Als resultaat werd een catalogus gemaakt met meer dan een miljoen cellen die bepaalde geurmoleculen kenmerken.
Toen computationeel bioloog Pablo Meyer hier achter kwam, zag hij het onderzoek meteen als een kans om te testen of een computersysteem kon voorspellen hoe mensen geuren zouden beoordelen. Ondanks het feit dat onderzoekers ongeveer 400 geurreceptoren in het menselijk lichaam hebben ontdekt, blijft het voor wetenschappers een raadsel hoe ze precies samenwerken, zodat een mens zelfs subtiele geurtinten kan onderscheiden. In 2015 lanceerden Meyer en zijn collega's de DREAM Olfaction Prediction Challenge. Deelnemers aan de wedstrijd kregen de beschikking over dezelfde beoordelingstabellen van vrijwilligers die geuren beschrijven, samen met de chemische structuur van de moleculen die ze produceren. Bovendien verstrekte de deelnemer een database met 4800 beschrijvingen voor elk afzonderlijk molecuul - de atomen, hun onderlinge rangschikking, algemene geometrie,wat uiteindelijk neerkwam op ongeveer 2 miljoen datapunten. Uiteindelijk moeten de gegevens worden gebruikt om computerprogramma's te trainen om geuren te herkennen op basis van structurele informatie.
De wedstrijd werd bijgewoond door 22 teams van over de hele wereld, en hoewel velen het goed hebben gedaan, zijn twee teams het vermelden waard. Het Michigan-team, geleid door Ian Phan Guang, was de beste in het voorspellen van geuren voor individuele items. Een ander team van de Universiteit van Arizona, geleid door Richard Guerkin, was de beste in het trainen van het programma voor de gemiddelde geurclassificatie van het monster. Dat meldt Meyer in een artikel in het tijdschrift Science.
Natuurlijk staan veel wetenschappers sceptisch tegenover de ontwikkelingen en zeggen ze dat het verrichte werk, hoewel het een belangrijke bijdrage levert aan de wetenschap, nog steeds een nogal primitieve selectie is, en 19 beschrijvende elementen voor het hele spectrum van geuren in de natuur zijn er duidelijk heel, heel weinig. Alternatieve studies met vrijwilligers gebruikten 80 of meer van deze criteria om verschillende geuren verbaal te evalueren. Het is onduidelijk of het bestaande algoritme de geurbeoordeling correct kan voorspellen als het te maken heeft met een dergelijke reeks aan informatie. Dus vandaag blijft de perceptie van geuren een mysterie voor zowel artsen als ingenieurs.
