解码风味：揭示电子舌的人工智能秘密

该团队于10月9日在《自然》杂志上发布了他们的研究成果。

根据研究结果，电子舌有望增强食品安全和生产，同时在医疗诊断领域也有应用前景。该传感器结合人工智能，能够有效地检测和分类各种物质，同时评估其质量、真实性和新鲜度。这一过程还帮助研究人员深入了解人工智能的决策机制，可能有助于推进行业技术的进步。

“我们努力创建一种人工舌头，但我们体验不同食品的方式比舌头要复杂得多，”首席作者、阿克利工程教授萨普塔尔希·达斯解释道。“舌头包括与食物相互作用的味觉受体，并将信息传递给味觉皮层，后者充当生物神经网络。”

味觉皮层是大脑中负责解释和感知各种味道的区域，其功能超出了味觉受体的检测范围——主要将味道分类为五种主要类型：甜、酸、苦、咸和鲜。随着大脑对这些味道的熟悉，它提高了识别微妙风味差异的能力。为了人工复制味觉皮层的功能，研究人员开发了一个神经网络，使用机器学习算法模拟人类数据处理与理解。

“在之前的研究中，我们探索了大脑如何对不同味道作出反应，并通过引入各种二维材料尝试复制这种反应，以创建一个框架，让人工智能以更接近人类的方式处理信息，”合著者哈里克里希南·拉维昌德兰，达斯指导下的工程科学与力学博士生表示。“在这项研究中，我们正在检查多种化学物质，以评估传感器能否准确识别它们，并检测相似食品之间的微妙差异，包括安全问题。”

电子舌通过一种基于石墨烯的离子敏感场效应晶体管工作，这是一种能够检测化学离子的设备，链接到一个经过多样数据集训练的人工神经网络。达斯强调，这些传感器是非功能化的，意味着一个传感器可以识别多种化学物质，而不必为每种化学物质特别设计。研究人员提供了20个关键参数来评估，所有这些参数与液体样本与传感器的电气特性之间的相互作用有关。基于这些由研究人员设定的参数，人工智能能够准确识别样本——如稀释的牛奶、各种苏打水、咖啡混合物以及不同新鲜程度的各种果汁——在大约一分钟内报告结果准确度超过80%。

“在通过人类定义的参数达成令人满意的准确率后，我们允许神经网络使用原始传感器数据制定自己的评估指标。我们发现，当使用机器生成的指标时，神经网络实现了超过95%的接近完美的推断准确率，而不是依赖人类提供的指标，”合著者安德鲁·潘农，达斯指导下的工程科学与力学博士生解释道。“我们采用了一种称为沙普LEY加性解释的技术，使我们能在神经网络作出决策后询问其推理。”

这种方法融入了博弈论，一种评估他人选择以预测单个参与者结果的决策方法，给被分析的数据分配值。通过这些解释，研究人员能够解码神经网络是如何优先考虑样本的不同因素以得出结论的——为神经网络的决策过程提供了洞见，这在人工智能研究中一直相对不透明。他们发现，神经网络并不是单纯关注人类分配的个别参数，而是考虑了其认为最相关的数据，总体上结合起来，沙普LEY加性解释澄清了每个输入的重要性。

研究人员提供了一个比喻——像两个人尝试牛奶一样。虽然两者都可能将其识别为牛奶，但其中一个可能认为它是变质的脱脂牛奶，而另一个可能认为这是新鲜的2%牛奶。他们不同评估的原因往往难以用语言表达，即使是对那些判断牛奶的人来说。

“我们的发现表明，神经网络观察到了数据中更细微的特征——这些元素对于我们人类来说很难用语言表达，”达斯指出。“通过整体评估传感器特性，神经网络减少了由于日常变化而可能出现的变异。在牛奶的背景下，它可以识别水分含量的变化，并判断降解信号是否足以引发食品安全问题。”

达斯指出，电子舌的能力取决于用于训练的数据。虽然本研究主要集中在食品评估，但在医疗诊断中也具有潜在应用。研究人员表示，他们的传感器的强健性，加上在各个领域对灵敏度的重视，提供了在不同工业广泛应用的机会。

达斯进一步解释说，精确复制传感器并不是必要条件，因为机器学习算法可以整体分析所有信息以得出正确的结果。这种灵活性使得制造过程更高效且具成本效益。

“我们认识到可以接受不完美，”达斯说道。“自然在不完美中蓬勃发展，但仍然做出正确的决策，这与我们的电子舌类似。”

达斯与材料研究所相关，并在电气工程、材料科学与工程系担任职务。另有宾州州立大学工程科学与力学系的其他合作者包括阿迪提亚·拉杰，当时是一名研究技术专家，萨尔巴西斯·达斯，最近获得电气工程博士学位，工程科学与力学研究生陈子恒，以及获得工程科学与力学学士学位的科林·A·普莱斯。来自NASA戈达德太空飞行中心的马胡姆达·苏尔塔纳也为此项工作做出了贡献。

本研究得到了NASA空间技术研究生研究机会资助的支持。