Ученые создали детектор вкуса на базе ИИ

Задумывались ли вы когда-нибудь о том, насколько свеж тот забытый пакет сока, затерявшийся на неделю в глубинах вашего холодильника? Можно, конечно, его понюхать и попробовать, рискуя получить неприятный опыт. А можно поручить это дело революционной технологии – «электронному языку», искусственному интеллекту (ИИ), способному определять безопасность и свежесть продуктов питания.

Эта система, описанная 9 октября в журнале Nature, не просто выдает ответ «свежий» или «просроченный», она предоставляет глубокий анализ, приближаясь к тому, как человек сам оценивает качество пищи.

В основе этой технологии лежит ионно-чувствительный полевой транзистор (ИСПТ) – микроскопическое устройство, действующее как высокочувствительный химический анализатор. ИСПТ взаимодействует с образцом продукта, в данном случае – соком, определяя концентрацию различных ионов – водорода (pH), калия, натрия, хлора и многих других. Эти ионы, являющиеся химическими "отпечатками пальцев" продукта, изменяют электрическое поле транзистора. Тончайшие изменения электрического сигнала, недоступные для человеческого восприятия, затем преобразуются в цифровой код, понятный для компьютера. Выбор конкретных ионов, на которые ориентирован датчик, является критическим этапом разработки. Например, для фруктовых соков ключевыми могут быть уровень кислотности (pH), концентрация органических кислот, а также продукты распада, свидетельствующие о начале процесса брожения.

Но простое измерение ионов – это лишь первый шаг. Настоящая магия происходит на уровне искусственного интеллекта. Обработка данных осуществляется с помощью искусственной нейронной сети (ИНС) – сложной программы машинного обучения, которая моделирует работу человеческого мозга. ИНС обучается на огромном массиве данных – анализах соков различной степени свежести, с различными добавкам и способами хранения. В процессе обучения, ИНС идентифицирует паттерны – специфические комбинации ионных концентраций, характерные для свежих, пригодных к употреблению, и испорченных продуктов. 

Первоначальный подход авторов изобретения заключался в предоставлении сети заранее определенного набора параметров, таких как показатель преломления, электропроводность, температура и спектральные характеристики в видимом и ближнем инфракрасном диапазонах. С этим ограниченным набором параметров нейронная сеть достигала точности около 91% в определении уровня pH. Однако настоящий прорыв произошёл, когда исследователи позволили нейронной сети самостоятельно определить наиболее релевантные параметры для анализа. Это позволило ей достичь впечатляющей точности более 95%.

Этот подход был успешно протестирован на различных реальных образцах напитков. Система продемонстрировала способность различать тонкие различия между схожими напитками, например, различными видами колы или смесями кофе, что невозможно с помощью стандартных методов анализа. Кроме того, нейронная сеть успешно определила степень разбавления молока водой, обнаружила признаки порчи фруктового сока, а также успешно детектировала наличие вредных пер- и полифторалкильных веществ (ПФАС) в воде – загрязняющих веществ, представляющих серьёзную угрозу для здоровья человека и окружающей среды. 

Дальнейшие исследования будут сосредоточены на усовершенствовании нейронной сети, расширении диапазона анализируемых веществ и разработке портативных и недорогих датчиков на основе этой технологии.