Yale Üniversitesi öncülüğündeki uluslararası bir araştırma, yapay zekânın karmaşık koku karışımlarının insanlar tarafından ne kadar benzer algılanacağını yüksek doğrulukla tahmin edebildiğini ortaya koydu. Bilim insanları, bu çalışmanın görme ve işitmede olduğu gibi koku algısının da ölçülebilir bir sisteme dönüştürülmesi yolunda önemli bir adım olduğunu belirtiyor. Ancak geliştirilen yöntem henüz hastalık teşhis eden veya kokuları dijital ortamda yeniden üreten bir teknoloji değil.
Görsel tasarımcılar renkler arasındaki ilişkileri incelemek için renk çemberlerinden, ses mühendisleri ise farklı tonları oluşturmak amacıyla ses dalgalarının frekanslarından yararlanabiliyor. Buna karşılık bilim dünyası, insanların kahve, çiçek, yemek ya da insan vücudu gibi çok sayıda molekülün birleşiminden oluşan karmaşık kokuları nasıl algıladığını açıklayan benzer bir ölçüm sistemine henüz sahip değil.
Yale Üniversitesi öncülüğünde gerçekleştirilen yeni bir araştırma, koku algısındaki bu eksikliği yapay zekâ ve makine öğrenmesi yardımıyla gidermeyi hedefliyor. Araştırmacılar, farklı molekül karışımlarının insanlar tarafından birbirine ne kadar yakın veya ne kadar farklı algılanacağını tahmin edebilen bir model geliştirdi.
Çalışma, ABD Ulusal Bilimler Akademisinin hakemli bilimsel dergisi Proceedings of the National Academy of Sciences’ta (PNAS), “A semantic-based community model for high-fidelity tuning of olfactory mixture distances” başlığıyla yayımlandı. Araştırmanın başyazarlığını Yale Üniversitesi Human Nature Lab’de araştırmacı olarak görev yapan Vahid Satarifard üstlendi. Yale Üniversitesi Sosyoloji ve Doğa Bilimleri Profesörü ve Human Nature Lab Direktörü Nicholas Christakis de çalışmanın ortak yazarları arasında yer aldı. Araştırmanın PNAS kaydı
Kokuyu ölçmek neden bu kadar zor?
Görme sisteminde kırmızı, yeşil ve mavi gibi temel renk bileşenlerinin farklı oranlarda birleşmesiyle çok geniş bir renk yelpazesinin nasıl oluştuğu ölçülebiliyor. Sesler de frekans, şiddet ve dalga biçimi gibi fiziksel özellikler üzerinden analiz edilebiliyor. Kokuda ise moleküler yapı ile insanın yaşadığı algısal deneyim arasında aynı ölçüde açık ve genel kabul görmüş bir harita bulunmuyor.
Sorunu daha da zorlaştıran unsur, günlük yaşamda karşılaştığımız kokuların çoğunun tek bir molekülden oluşmaması. Bir fincan kahvenin, pişmiş bir yemeğin veya elmalı turtanın kokusu onlarca, hatta yüzlerce farklı molekülün birleşmesiyle meydana gelebiliyor. Bu moleküller birlikte algılandığında ortaya çıkan koku, bileşenlerin tek tek kokularının basit toplamından farklı olabiliyor.
Vahid Satarifard, son 10 yılda tekil moleküllerin koku algısı üzerindeki etkilerini anlamada önemli ilerleme sağlandığını, ancak gerçek hayattaki karmaşık karışımları karşılaştırmak ve ölçmek için hâlâ yeterli bir yöntemin bulunmadığını belirtiyor.
Yeni çalışma, bu nedenle bir kokunun yalnızca “güzel”, “kötü”, “tatlı” veya “çiçeksi” olarak tanımlanmasına odaklanmıyor. Araştırmacılar daha temel bir sorunun yanıtını arıyor: İki farklı molekül karışımı insanlara ne ölçüde benzer kokar?
Uluslararası yarışmada 26 ekip karşılaştırıldı
Araştırma, IBM araştırmacısı Pablo Meyer tarafından düzenlenen Dialogue for Reverse Engineering Assessment and Method, kısa adıyla DREAM kapsamındaki uluslararası koku tahmin yarışmasına dayanıyor.
DREAM yarışmaları, farklı araştırma ekiplerinin aynı veri kümesi ve aynı hedef üzerinde geliştirdiği modelleri tarafsız biçimde karşılaştırmayı amaçlıyor. Yeni yarışmada ekiplerden, molekül karışımlarından oluşan iki kokunun insanlar tarafından ne kadar benzer algılanacağını öngören modeller geliştirmeleri istendi.
Organizatörler, daha önce gerçekleştirilmiş üç araştırmadaki koku benzerliği ölçümlerini ortak bir veri kümesinde birleştirdi. Bu veri kümesi:
- 168 farklı tekil molekülü,
- 731 farklı molekül karışımını,
- 507 karışım çifti için yapılmış algısal benzerlik ölçümünü içeriyordu.
Toplam 26 araştırma ekibi yaklaşık üç ay boyunca modellerini geliştirdi. Modeller, ekiplerin sonuçlarını önceden görmediği 46 koku karışımı çiftinden oluşan gizli bir test kümesi üzerinde değerlendirildi. Böylece sistemlerin yalnızca eğitim verilerini ezberleyip ezberlemediği değil, daha önce karşılaşmadıkları koku çiftleri hakkında ne kadar başarılı tahmin yaptığı sınandı.
Yarışmanın sonunda Yale Human Nature Lab’in de aralarında bulunduğu dört ekip birinciliği paylaştı.
Altı modelin ortak tahmini daha başarılı oldu
Araştırmacılar, yarışma tamamlandıktan sonra en başarılı dört model ile performansı yüksek iki modeli daha bir araya getirdi. Altı modelin tahminlerinin ortalamasını kullanan bir “topluluk modeli” oluşturuldu.
Bu yaklaşım, tek bir modelin kararına güvenmek yerine farklı modellerin güçlü yönlerinden yararlanıyor. Satarifard, yöntemi makine öğrenmesinde “kalabalıkların bilgeliği” ilkesinin bir örneği olarak nitelendiriyor. Buna göre, birbirinden farklı ancak başarılı tahmin sistemlerinin ortak sonucu, çoğu zaman tek bir sistemin tahmininden daha güvenilir olabiliyor.
Birleştirilmiş model, gizli test kümesinde hem mevcut ileri düzey yöntemlerden hem de yarışmaya katılan tekil modellerden daha başarılı sonuç verdi. Sistem daha sonra, ilk veri kümesinden bağımsız olarak yeni tasarlanmış 50 koku karışımı çifti üzerinde de denendi ve güçlü performansını korudu.
Bu ikinci doğrulama önemliydi; çünkü modelin yalnızca yarışmada kullanılan sınırlı veri kümesine uyum sağlamadığını, yeni koku kombinasyonlarında da kullanılabileceğini gösterdi. Bununla birlikte çalışma, bütün kokuların eksiksiz biçimde çözüldüğü anlamına gelmiyor. Araştırmacıların modeli, belirli deneysel veri kümeleri üzerinden koku karışımları arasındaki algısal uzaklığı tahmin ediyor.
Molekül yapısından çok kokuya ilişkin kelimeler etkili oldu
Araştırmanın en dikkat çekici bulgularından biri, en başarılı modellerin büyük ölçüde moleküllerin kimyasal yapılarından değil, kokuları anlatmak için kullanılan sözcüklerden yararlanması oldu.
İngilizce başta olmak üzere birçok dilin kokuya özgü kelime dağarcığının renk veya ses terminolojisine kıyasla daha sınırlı olduğu düşünülüyor. İnsanlar bir kokuyu çoğunlukla doğrudan bir kavramla adlandırmak yerine “çiçek gibi”, “karpuz gibi” veya “çürük yumurta gibi” ifadelerle tanımlıyor. Renkler içinse mavi, yeşil ve kırmızı gibi bağımsız ve yerleşmiş kelimeler bulunuyor.
Bu nedenle bilim insanları, dile dayalı koku tanımlarının güvenilir bir tahmin sistemi kurmak için yetersiz kalabileceğini düşünüyordu. Yeni araştırmada ise bunun tersiyle karşılaşıldı. Tekil moleküllerle ilişkilendirilen anlamsal özellikler, karmaşık karışımlar arasındaki benzerliğin tahmin edilmesinde güçlü sonuçlar verdi.
Araştırmanın bilimsel özetine göre, karmaşık koku karışımları arasındaki algısal uzaklıklar, tekil moleküllerin temsillerinden oluşturulan görece küçük bir “anlamsal uzay” içinde yüksek doğrulukla açıklanabildi. Başka bir ifadeyle insanların kokuları anlatırken kullandığı kelimeler, koku algısının altında yatan ilişkiler hakkında sanılandan daha fazla bilgi taşıyor olabilir.
Koku duyusunun dijitalleştirilmesi ne anlama geliyor?
Araştırmacıların uzun vadeli hedefi, kokuların bilgisayar ortamında ölçülebileceği ve karşılaştırılabileceği sayısal bir çerçeve oluşturmak. Böyle bir sistem gelecekte farklı kokuların kataloglanmasına, yeni koku bileşimlerinin tasarlanmasına veya belirli bir kokudaki değişikliklerin izlenmesine yardımcı olabilir.
Ancak “kokunun dijitalleştirilmesi” ifadesi, mevcut çalışmanın bir kokuyu kameranın görüntü kaydetmesi gibi kaydedebildiği ya da hoparlörün sesi yeniden üretmesi gibi uzaktan oluşturabildiği anlamına gelmiyor. Çalışmanın ortaya koyduğu gelişme, insanların iki karmaşık koku karışımını birbirine ne kadar benzer bulacağını yapay zekâ ile tahmin edebilmek.
Dolayısıyla araştırma, dijital koku teknolojisinin tamamlanmış bir ürünü değil; böyle bir teknolojinin geliştirilebilmesi için gerekli ölçüm ve sınıflandırma altyapısına yönelik temel bir adım niteliğinde.
Sağlık alanında kullanılabilir mi?
Araştırma ekibi, koku algısının sayısal olarak haritalanmasının uzun vadede sağlık alanında da kullanılabileceğini düşünüyor. Parkinson hastalığı ve bazı kanser türleri dahil olmak üzere çeşitli sağlık sorunlarının vücudun yaydığı kokularda değişikliklerle ilişkilendirilebildiğini gösteren çalışmalar bulunuyor.
Bu nedenle gelecekte insan vücudunun yaydığı koku bileşimlerini takip eden sistemlerin geliştirilmesi mümkün olabilir. Böyle bir teknoloji, kişinin normal koku profilinde meydana gelen değişimleri belirleyerek daha ayrıntılı bir sağlık taramasının gerekli olabileceği konusunda uyarı verebilir.
Bununla birlikte araştırmacıların sözünü ettiği sağlık uygulamaları henüz varsayımsal ve uzun vadeli hedefler. Geliştirilen yapay zekâ modeli şu anda Parkinson, kanser veya başka bir hastalığı teşhis etmiyor. Araştırmada herhangi bir klinik tanı cihazı tanıtılmadı ve koku değişimlerinin tek başına belirli bir hastalığın kanıtı olacağı ileri sürülmedi.
Bir sağlık tarama sistemine ulaşılabilmesi için hastalıklarla bağlantılı koku imzalarının büyük ve farklı hasta gruplarında doğrulanması, sensörlerin güvenilir biçimde geliştirilmesi ve yöntemin klinik araştırmalardan geçirilmesi gerekiyor.
İnsan ilişkilerine ilişkin ipuçları da sağlayabilir
Nicholas Christakis’e göre teknolojinin olası kullanım alanları yalnızca klinik uygulamalarla sınırlı olmayabilir. İnsan vücudunun kokusu da çok sayıda bileşenden oluşan karmaşık bir karışım. Araştırmacılar, vücut kokusunun insanlar arasındaki sosyal etkileşimlerde sanılandan daha önemli bir rol oynayabileceğini düşünüyor.
Koku algısının ölçülebilir hale gelmesi; insanların birbirleri hakkındaki izlenimleri, sosyal yakınlık, tercih ve davranışlar ile vücut kokuları arasındaki ilişkilerin daha sistemli biçimde incelenmesini sağlayabilir. Ancak bu konu da araştırmanın doğrudan kanıtladığı bir sonuç değil, geliştirilen yöntemin ileride değerlendirilmesi düşünülen alanlardan biri.
Koku araştırmalarında yeni bir başlangıç
Yale öncülüğündeki çalışma, yapay zekânın insan duyularını anlamada yalnızca görüntü ve ses alanlarıyla sınırlı olmadığını gösteriyor. Araştırmacılar, karmaşık koku karışımları arasındaki algısal mesafenin hesaplanabileceğine ve bu ilişkilerin anlamlı bir harita üzerinde gösterilebileceğine dair güçlü kanıtlar sundu.
En çarpıcı sonuçlardan biri ise insanların kokuları tarif ederken kullandığı kelimelerin, moleküler yapı bilgisi kadar, bazı modellerde ondan daha değerli olabilmesi. Bu bulgu, kimya, dil, insan algısı ve yapay zekâ arasındaki beklenmedik bağlantıya işaret ediyor.
Bugün için teknoloji bir kokuyu ekrandan aktaramıyor veya kokudan hastalık teşhisi koyamıyor. Buna rağmen çalışma, uzun süredir ölçülmesi en zor duyulardan biri olarak kabul edilen kokunun sayısal olarak modellenebileceğini göstererek “dijital koku haritası” oluşturma hedefini bilimsel açıdan biraz daha yaklaştırıyor.
