电子舌利用人工智能检测液体差异

Electronic Tongue Uses AI to Detect Differences in Liquids

研究人员开发出了一种由人工智能驱动的“电子舌”，能够区分液体中的细微差异，比如牛奶的新鲜度、汽水的种类和咖啡的混合种类。通过神经网络分析传感器数据，该设备在识别液体质量、真伪和潜在安全问题方面的准确率超过了 95%。有趣的是，当允许人工智能选择自己的分析参数时，其表现优于人为定义的设置，展示了它如何全面评估细微数据。

这项使用基于石墨烯的传感器的技术可能会彻底改变食品安全评估，并有可能扩展到医疗诊断领域。该设备的人工智能见解也为神经网络的决策过程提供了独特的视角。这一创新在质量和安全至关重要的各个行业中都有实际应用的前景。

关键事实：

• 电子舌利用人工智能识别食品质量的细微差异，准确率超过 95%。
• 设备的神经网络在定义自己的分析指标时表现更好。
• 应用范围从食品安全扩展到潜在的医疗诊断用途。

来源：宾夕法尼亚州立大学

最近开发的一种电子舌能够识别类似液体的差异，例如含水量不同的牛奶、各种产品，包括汽水类型和咖啡混合饮品、果汁的变质迹象以及食品安全问题的实例。

由宾夕法尼亚州立大学的研究人员领导的团队还发现，当人工智能（AI）使用自己的评估参数来解释电子舌生成的数据时，结果甚至更准确。

研究人员于今日（10 月 9 日）在《自然》杂志上发表了他们的研究成果。

为了人工模拟味觉皮层，研究人员开发了一种神经网络，这是一种机器学习算法，在评估和理解数据方面模仿人脑。

据研究人员称，电子舌对食品安全和生产以及医疗诊断都很有用。传感器及其人工智能可以广泛地检测和分类各种物质，同时共同评估它们各自的质量、真实性和新鲜度。

他们表示，这种评估也为研究人员提供了一个了解人工智能如何做出决策的视角，这可能会导致更好的人工智能开发和应用。

“我们正在尝试制造一个人工舌头，但我们体验不同食物的过程不仅仅涉及舌头，”通讯作者 Saptarshi Das（工程学和力学的阿克利教授）说。

“我们有舌头本身，它由与食物种类相互作用的味觉受体组成，并将其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释各种味道的区域，超出了味觉受体所能感知的范围，味觉受体主要通过甜、酸、苦、咸和鲜这五大类别对食物进行分类。随着大脑了解味道的细微差别，它可以更好地区分味道的微妙之处。

为了人工模拟味觉皮层，研究人员开发了一种神经网络，这是一种机器学习算法，在评估和理解数据方面模仿人脑。

“以前，我们研究了大脑对不同口味的反应，并通过整合不同的 2D 材料来模仿这个过程，开发了一种关于人工智能如何像人类一样处理信息的蓝图，”Das 指导的工程科学和力学博士生 Harikrishnan Ravichandran 说。

“现在，在这项工作中，我们正在考虑几种化学物质，看看传感器是否能准确检测到它们，此外，它们是否能检测到类似食物之间的细微差异，并辨别食品安全问题的实例。”

舌头由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设备）组成，并与一个人工神经网络相连，在各种数据集上进行训练。至关重要的是，Das 指出，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，而不是为每种潜在的化学物质配备一个特定的传感器。

研究人员为神经网络提供了 20 个特定的参数来评估，所有这些参数都与样本液体与传感器的电特性的相互作用有关。基于这些研究人员指定的参数，人工智能可以准确地检测样本——包括稀释的牛奶、不同类型的汽水、咖啡混合物和多种不同新鲜度的果汁——并在大约一分钟内以超过 80%的准确率报告其内容。

“在使用人类选择的参数达到合理的准确率后，我们决定让神经网络通过向其提供原始传感器数据来定义自己的品质因数。

“我们发现，当使用机器得出的品质因数而不是人类提供的品质因数时，神经网络达到了接近理想的推断准确率，超过 95%，”Das 指导的工程科学和力学博士生 Andrew Pannone 说。

“所以，我们使用了一种叫做沙普利加法解释的方法，这使我们能够询问神经网络在做出决定后在想什么。”

这种方法使用博弈论（一种决策过程，考虑其他人的选择来预测单个参与者的结果）来为所考虑的数据分配值。

通过这些解释，研究人员可以逆向工程了解神经网络如何权衡样本的各种成分以做出最终决定——让团队得以一窥神经网络的决策过程，据研究人员称，这在人工智能领域一直很大程度上是不透明的。

他们发现，神经网络不是简单地评估个人类分配的参数，而是一起考虑它确定的最重要的数据，沙普利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，这种评估可以比作两个人喝牛奶。他们都能识别出这是牛奶，但一个人可能认为这是变质的脱脂牛奶，而另一个人认为这是仍然新鲜的 2%脂肪含量的牛奶。即使是做出评估的个人也很难轻易解释其中的细微差别。

“我们发现，网络在数据中观察到了更细微的特征——这些是我们作为人类难以正确定义的东西，”Das 说。

“而且因为神经网络全面考虑了传感器的特性，它减轻了可能每天发生的变化。就牛奶而言，神经网络可以确定牛奶的不同含水量，并在这种情况下，确定任何降解指标是否有意义到足以被视为食品安全问题。”

据 Das 称，舌头的能力仅受其训练的数据限制，这意味着虽然这项研究的重点是食品评估，但它也可以应用于医疗诊断。

研究人员表示，无论传感器应用在哪里，灵敏度都很重要，但他们的传感器的稳健性为在不同行业的广泛部署提供了一条途径。

Das 解释说，传感器不需要完全相同，因为机器学习算法可以一起查看所有信息并仍然得出正确的答案。这使得制造过程更实用——也更便宜。

“我们发现我们可以接受不完美，”Das 说。“这就是大自然——它充满了不完美，但它仍然可以做出稳健的决定，就像我们的电子舌一样。”

Das 还隶属于材料研究所以及电气工程和材料科学与工程系。宾夕法尼亚州立大学工程科学与力学系的其他贡献者包括研究技术专家 Aditya Raj、当时的研究生 Sarbashis Das（他于 5 月获得电气工程博士学位）、工程科学与力学研究生 Ziheng Chen 和 5 月获得工程科学与力学理学学士学位的研究生 Collin A. Price。来自美国国家航空航天局戈达德太空飞行中心的 Mahmooda Sultana 也做出了贡献。

资金：美国国家航空航天局的一项太空技术研究生研究机会资助支持了这项工作。