賓州州立大學的電子舌頭透過人工智慧增強，可偵測液體中的細微差別，用於食品安全和診斷，透過定義自身參數，準確率超過95%。新開發的電子舌可以分辨類似液體的細微差別，例如含水量不同的牛奶，還可以識別各種產品，包括不同類型的汽水和混合咖啡以及果汁中的腐敗物質和潛在的食品安全問題。

研究人員利用人工智慧開發了一種能夠識別各種液體樣本的電子舌頭。 當被要求定義自己的評估參數時，人工智慧可以更準確地解釋電子舌產生的數據。 圖片來源：Saptarshi Das 實驗室/賓州州立大學

在宾夕法尼亚州大学研究人员的领导下，该研究小组发现，当人工智能（AI）使用自己的评估标准来解释电子舌产生的数据时，准确性会显著提高。

研究人員最近在《自然》（Nature.）上發表了他們的研究成果。

據研究人員稱，電子舌頭可用於食品安全和生產以及醫療診斷。 感測器及其人工智慧可以廣泛地檢測各種物質並對其進行分類，同時對其各自的品質、真實性和新鮮度進行全面評估。 他們說，這種評估也讓研究人員了解了人工智慧是如何做出決策的，這可能會帶來更好的人工智慧開發和應用。

通訊作者、阿克利工程學教授兼工程科學與力學教授薩普塔什-達斯（Saptarshi Das）說：”我們正在嘗試製造一個人造舌頭，但我們體驗不同食物的過程涉及的不僅僅是舌頭。我們有舌頭本身，由味覺感受器組成，這些感受器與食物種類相互作用，並將它們的訊息發送到味覺皮層–一個生物神經網路。

味覺皮質是大腦中感知和解釋各種味道的區域，而不是味覺感受器所能感知的味道，味覺感受器主要透過甜、酸、苦、鹹和美味五大類對食物進行分類。 隨著大腦對各種味道細微差別的了解，它更能分辨出各種味道的微妙之處。 為了人工模擬味覺皮層，研究人員開發了一種神經網絡，這是一種模仿人腦評估和理解數據的機器學習演算法。

“先前，我們研究了大腦如何對不同的味道做出反應，並透過整合不同的二維材料來模仿這一過程，從而開發出一種藍圖，即人工智能如何能更像人類一樣處理訊息，”合著者、工程科學與力學專業博士生哈里克里希南-拉維錢德蘭（Harikrishnan Ravichandran）說，他是達斯的顧問。 「現在，在這項工作中，我們正在考慮幾種化學物質，看看感測器是否能準確檢測到它們，此外，它們是否能檢測到類似食品之間的細微差別，並分辨出食品安全問題的實例。

電子舌包括一個基於石墨烯的離子敏感場效電晶體，或者說是一個可以檢測化學離子的導電裝置，它與一個人工神經網路相連，該網路是在各種資料集上訓練出來的。 它位於設備的右上方。 圖片來源：Saptarshi Das 實驗室/賓州州立大學

舌頭由一個基於石墨烯的離子敏感場效電晶體（或可偵測化學離子的導電裝置）和一個人工神經網路組成，人工神經網路根據不同的資料集進行訓練。 達斯指出，至關重要的是，這些感測器是非功能化的，這意味著一個感測器可以檢測不同類型的化學物質，而不是為每種潛在的化學物質配備一個專門的感測器。 研究人員為神經網路提供了20 個需要評估的特定參數，所有這些參數都與樣本液體如何與感測器的電特性相互作用有關。 根據研究人員指定的這些參數，人工智慧可以準確檢測樣品，包括沖淡的牛奶、不同類型的蘇打水、混合咖啡和多種新鮮度的果汁，並在大約一分鐘內報告其含量，準確率超過80 %。

“在使用人工選擇的參數達到合理的準確度後，我們決定透過向神經網路提供原始感測器數據，讓它自己定義參數。我們發現，當使用機器得出的優點數據而不是人類提供的數據時，神經網路的推理準確率接近理想水平，達到95% 以上，”合著者、工程科學與力學博士生安德魯-潘諾內（Andrew Pannone）說，”因此，我們使用了一種名為夏普利加法解釋的方法，它允許我們在神經網路做出決定後詢問它在想什麼。

這種方法利用博弈論–一種考慮他人選擇來預測單一參與者結果的決策過程–來為所考慮的資料賦值。 有了這些解釋，研究人員就能透過逆向工程了解神經網路是如何權衡樣本的各個組成部分以做出最終決定的–這讓研究小組得以一窺神經網路的決策過程，而據研究人員稱，在人工智慧領域，這個過程在很大程度上仍然是不透明的。 他們發現，神經網路不是簡單地評估人類指定的單一參數，而是將它認為最重要的數據放在一起考慮，夏普利加法解釋揭示了神經網路認為每個輸入資料的重要性。

研究人員解釋說，這種評估可以比作兩個人喝牛奶。 他們都能辨別出這是牛奶，但一個人可能認為這是已經變質的脫脂牛奶，而另一個人則認為這是仍然新鮮的2% 牛奶。 其中的細微差別甚至連做出評估的個人也難以解釋。

達斯說：「我們發現，該網路能夠觀察到數據中更微妙的特徵–這些特徵是我們人類難以正確定義的。由於神經網路全面考慮了感測器的特性，因此可以減少每天可能出現的變化。就牛奶而言，神經網路可以確定牛奶中不同的含水量，並在這種情況下確定任何降解指標是否有意義，足以被視為食品安全問題。

根據達斯的說法，舌頭的能力只受到訓練它的數據的限制，這意味著雖然這項研究的重點是食品評估，但它也可以應用於醫療診斷。 研究人員說，雖然無論感測器應用於何處，靈敏度都很重要，但感測器的穩健性為在不同行業的廣泛應用提供了前進的道路。感測器不需要完全相同，因為機器學習演算法可以綜合考慮所有訊息，並得出正確的答案。 這使得製造過程更加實用，成本更低。

編譯自/ ScitechDaily

DOI：10.1038/s41586-024-08003-w。