Bilim insanları farklı tatları insandan daha iyi ayırt edebilen elektronik bir dil geliştirdi.
ABD'deki Pensilvanya Eyalet Üniversitesi'nden bir ekip, grafen bazlı cihazın kimyasal ve çevresel değişikliklerin tespitinde "devrim yaratma" potansiyeline sahip olduğunu iddia ederken bu, tıbbi teşhislerden yiyeceklerin bozulduğunu tespit etmeye kadar her türlü alanda kullanılabilir.
Yeni teknoloji ayrıca yapay zekanın "içsel düşünceleri" hakkında benzersiz bir içgörü sunuyor. Kara kutu sorunu denen bir durum nedeniyle bu alan bugüne kadar büyük ölçüde karanlıkta kalmıştı.
Ekip, sinir ağının çeşitli süt, kahve ve gazlı içecek türleri arasındaki farkları belirlerken nihai karara varma yolu üzerinde tersine mühendislik yaparak bunu başardı.
Bu süreç araştırmacıların "sinir ağının karar verme sürecine ışık tutmasını" sağlarken, bunun daha iyi bir yapay zeka güvenliği ve gelişimine yol açabileceğini öne sürüyorlar.
Pensilvanya Eyalet Üniversitesi'nde mühendislik bilimi ve mekanik profesörü Saptarshi Das, "Yapay bir dil yapmaya çalışıyoruz fakat farklı yiyecekleri deneyimleme sürecimize sadece dil dahil olmuyor" diyor.
Elimizde, gıda türleriyle etkileşime girerek bilgileri biyolojik sinir ağı olan tat alma korteksine gönderen tat reseptörlerinden oluşan dilin kendisi var.
Elektronik dil tarafından kullanılan sinir ağı, insan seçimi parametrelere kıyasla en az yüzde 95 daha yüksek bir tat alma doğruluğuna ulaşmayı başardı.
Araştırmacılar, Shapley eklemeli açıklamalar adlı bir yöntem kullanarak sinir ağının karar verme sürecini derinlemesine inceledi.
Sinir ağı farklı tatları değerlendirirken, insan tarafından atanan parametreleri tek tek incelemek yerine, en önemli olduğunu belirlediği verileri dikkate aldı.
Profesör Das, "Ağın verilerdeki daha ince özelliklere, biz insanların düzgün bir şekilde tanımlamakta zorlandığımız şeylere baktığını gördük" diyor.
Ve sinir ağı, sensör özelliklerini bütünsel olarak değerlendirdiği için günden güne meydana gelebilecek değişiklikleri azaltıyor. Süt örneğinde, sinir ağı sütün değişen su içeriğini saptayarak bu bağlamda herhangi bir bozulma göstergesinin, gıda güvenliği sorunu olarak değerlendirilecek kadar anlamlı olup olmadığını belirleyebilir.
Araştırma, hakemli dergi Nature'da yayımlanan "Robust chemical analysis with graphene chemosensors and machine learning" (Grafen kemosensörler ve makine öğrenimiyle güçlü kimyasal analiz) başlıklı çalışmada detaylandırılıyor.
Independent Türkçe
