电子舌与AI：揭秘味觉背后的机器思维

近日，某研究机构的研究团队成功开发出一种电子舌，该设备能够识别相似液体（如不同含水量的牛奶）之间的细微差异，区分各类产品（包括不同种类的苏打水和咖啡混合饮品），检测果汁的变质迹象，以及识别潜在的食品安全问题。研究团队还发现，当人工智能（AI）利用其自身的评估参数来解释电子舌生成的数据时，得出的结果会更加精确。

该研究成果已发表在《Nature》杂志上。

研究人员表示，这款电子舌不仅能应用于食品安全与生产领域，还可用于医疗诊断。该传感器及其AI系统能够广泛地检测和分类多种物质，并对其质量、真伪和新鲜度进行综合评估。研究人员称，这一评估过程也让他们得以一窥AI的决策机制，这有望推动AI技术的进一步发展和应用。

“我们正在尝试制造一种人造舌头，但我们体验不同食物的过程并不仅仅涉及舌头。”该研究的通讯作者解释道，“我们拥有舌头本身，它由味觉受体组成，这些受体与食物中的成分相互作用，并将信息发送到味觉皮层——一个生物神经网络。”

味觉皮层是大脑中感知和解读各种味觉的区域，其功能超越了味觉受体。味觉受体主要通过甜、酸、苦、咸、鲜这五大类来对食物进行初步分类。随着大脑不断学习味觉的细微差别，它就能更好地区分风味的微妙之处。为了从人工层面模拟味觉皮层，研究人员开发了一个神经网络，这是一种模仿人脑评估和理解数据的机器学习算法。

“此前，我们研究了大脑对不同味觉的反应，并通过集成不同的二维材料来模拟这一过程，为AI如何能更像人类一样处理信息提供了蓝图。”该研究的合著者说道，“而现在，在这项工作中，我们正在考虑使用多种化学物质，来测试传感器是否能准确检测到它们，更重要的是，它们是否能检测出相似食物之间的微小差异，并识别出潜在的食品安全问题。”

这种电子舌由一个基于石墨烯的离子敏感场效应晶体管（一种可以检测化学离子的导电装置）组成，并与一个基于各种数据集训练而成的人工神经网络相连接。至关重要的是，这些传感器是非功能化的，这意味着一个传感器可以检测不同类型的化学物质，而无需为每种潜在的化学物质都配备一个特定的传感器。研究人员为神经网络提供了20个特定的评估参数，这些参数都与样本液体如何影响传感器的电学特性有关。基于这些由研究人员指定的参数，AI能够准确检测各类样本——包括掺水的牛奶、不同种类的苏打水、混合咖啡以及处于不同新鲜度阶段的多种果汁——并在一分钟内以超过80%的准确率报告其内容物。

“在通过人类选择的参数达到合理准确率之后，我们决定让神经网络接触原始传感器数据，由它自己定义评估指标。”另一位合著者介绍道，“我们发现，当使用机器自身得出的评估指标，而非人类提供的指标时，神经网络的推理准确率接近理想状态，超过了95%。于是，我们采用了一种名为Shapley加法解释的方法，它允许我们在神经网络做出决策后，探究其‘思考’过程。”

这种方法利用博弈论（一种通过考虑参与者选择来预测个体决策结果的决策过程）为所分析的数据分配价值。通过这些解释，研究人员能够反向推导，理解神经网络是如何权衡样本的各种特征以做出最终判断的。这使团队得以窥见神经网络的决策过程，而这一过程在AI领域此前一直是一个难以打开的黑箱。他们发现，神经网络并非简单地评估单个由人类设定的参数，而是综合考量它自己认为最重要的数据。Shapley加法解释揭示了神经网络认为每个输入数据的重要性。

研究人员解释说，这种评估方式可以类比为两个人喝牛奶。他们都能认出这是牛奶，但其中一人可能认为这是已经变质的脱脂牛奶，而另一人则认为这是仍然新鲜的含脂2%的牛奶。即便是做出判断的人自己，也很难解释清楚产生这种细微感受差异的原因。

“我们发现，网络关注的是数据中更微妙的特征——那些我们人类难以精确定义的东西。”研究负责人表示，“而且，由于神经网络是整体考量传感器特性的，它可以减轻日常可能出现的波动。以牛奶为例，神经网络可以确定牛奶中不同的水分含量，并在此背景下，判断那些降解指标是否足以构成食品安全问题。”

据研究人员介绍，这款电子舌的能力仅受限于它所训练的数据，这意味着虽然本研究的重点是食品评估，但它同样可以应用于医疗诊断。研究人员表示，无论传感器应用于何处，灵敏度都至关重要，但他们传感器的鲁棒性为其在不同行业的广泛应用铺平了道路。他们解释说，这些传感器不需要完全精确一致，因为机器学习算法可以综合查看所有信息，并仍然能得出正确答案。这使得制造过程更加实用且成本更低。

“我们发现，我们可以容忍不完美。”研究负责人总结道，“而这正是自然的本质——它充满了不完美，但它仍然能做出稳健的决策，就像我们的电子舌一样。”FINISHED