De menselijke neus is definitief verslagen door AI. Machine learning kan geur kwantificeren, digitaliseren en construeren. Osmo AI heeft de Principal Odor Map (POM) ontwikkeld als de geurenversie van RGB voor kleuren. De kaart kan geuren voorspellen op basis van moleculaire structuren en overtreft de menselijke nauwkeurigheid in 53% van de tests. Een recent artikel gepubliceerd in Science bewijst het nut van de kaart door de geur te voorspellen van moleculen die nog nooit geroken waren. Met dit hulpmiddel kunnen een half miljoen potentiële geurmoleculen in kaart worden gebracht.
Met het onderzoek heeft Osmo AI, samen met experts van de Universiteit van Reading, het Monell Chemical Senses Center en de Arizona State University, een belangrijke stap gezet in de reuktechnologie. Osmo’s revolutionaire, op grafisch neurale netwerken gebaseerde model werd gevalideerd op 400 structureel diverse verbindingen en toonde verder zijn brede toepasbaarheid aan door de olfactorische eigenschappen van een half miljoen potentiële geurmoleculen te beoordelen. De ontwikkeling van deze gedigitaliseerde geurwaarnemingstechnologie is een belangrijke vooruitgang in het begrijpen van de complexe wereld van de reuk, met mogelijke implicaties voor de menselijke gezondheid, productveiligheid, detectie van ziekten en afvalpreventie. Het obderzoek is trouwens nog verre van afgerond: er zijn nog flinke uitdagingen rond het voorspellen van de intensiteit van geuren, het mengen van moleculen en het integreren van chemische sensormetingen.
De technologie achter het model van Osmo AI
Osmo AI heeft een unieke methode ontwikkeld om een geurzin te digitaliseren, die drie belangrijke stappen omvat: lezen, in kaart brengen en schrijven. De eerste stap, lezen, is het omzetten van atomen in digitale bits. Dit lijkt op de manier waarop een camera licht vastlegt of een microfoon geluid registreert. De tweede stap is het in kaart brengen van de zintuiglijke wereld door deze digitale bits te begrijpen en te ordenen. Dit is vergelijkbaar met het gebruik van RGB voor kleur of frequentie voor geluid. De laatste stap, schrijven, bestaat uit het terugzetten van deze digitale bits in atomen die kunnen worden waargenomen, vergelijkbaar met hoe een printer of luidspreker werkt.
In het geval van geuren zet Osmo AI geurmoleculen om in digitale signalen en organiseert deze signalen vervolgens op basis van hoe ze worden waargenomen als geuren. De digitale representaties worden vervolgens weer omgezet in echte geuren. De digitalisering van geur begint met het maken van een kaart van geuren en het omzetten van geuren van de kaart in geuringrediënten. Het bedrijf werkt nog aan de end-to-end reproductie van een vastgelegde geur, een ‘Osmograaf’.
Praktische toepassingen
De praktische toepassingen van de technologie van Osmo AI reiken verder dan de geurenindustrie. Het uiteindelijke doel van het bedrijf is om de gezondheid en het welzijn van de mens te verbeteren door middel van geur. Dit zou moeten worden bereikt door het digitaliseren van de reukzin, ons oudste en meest diepgaande zintuig. Osmo AI ziet voor zich dat de digitalisering van geur dierbare herinneringen kan activeren en diepe emoties kan oproepen, net als een foto of een liedje.
De technologie zou ook kunnen worden gebruikt om ziektes op te sporen of voedselverspilling tegen te gaan. Door het digitaliseren van de reukzin, die vaak als eerste afwijkingen detecteert, zouden ziekten vroegtijdig ontdekt kunnen worden. De technologie zou ook een effectieve manier kunnen zijn om voedsel te identificeren dat niet langer veilig is om te consumeren, waardoor voedselverspilling wordt voorkomen.
“Ons model presteert meer dan 3x beter dan het standaard proces voor het ontdekken van geuringrediënten dat door grote parfumhuizen wordt gebruikt”, aldus Alex Wiltschko, CEO van Osmo. “En het is volledig geautomatiseerd. Deze ontdekking vormt de basis voor alles wat Osmo hierna gaat doen. In de toekomst zullen we deze technologie gebruiken om de volgende generatie veilige maar krachtige geurstoffen te ontdekken, zowel in onze laboratoria als in samenwerking met toonaangevende spelers in de industrie.”
Uitdagingen en beperkingen
Ondanks de vele voordelen kent de technologie van Osmo AI ook een aantal uitdagingen. Het voorspellen van de intensiteit van geuren is bijvoorbeeld nog lastig, evenals het mengen van moleculen en het integreren van chemische sensormetingen. De digitalisering van geur is een complexe taak die een geavanceerd begrip vereist van de moleculaire structuur van geuren en hoe individuen deze waarnemen. Omgaan met de subjectiviteit van geurwaarneming bij individuen is een andere uitdaging. Het model moet ook complexe geuren aan kunnen die bestaan uit een mengsel van verschillende geurmoleculen.
Bovendien kunnen de voorspellingsmogelijkheden van het model worden beïnvloed door factoren zoals de leeftijd of gezondheid van de persoon wiens reukzin wordt nagebootst. Omdat het reukvermogen na verloop van tijd of door gezondheidstoestand kan veranderen, is de nauwkeurigheid van het model bij het nabootsen van deze veranderingen cruciaal voor de effectiviteit.
Als je dit artikel leuk vindt, lees dan ook:
