Turing-tests en het probleem van kunstmatige reukzin

Hier is een interessant probleem. Als het gaat om menselijke zintuigen, hebben we manieren gevonden om het uiterlijk en geluid van de echte wereld redelijk nauwkeurig weer te geven. Er zijn zelfs technologieën om het gevoel van bepaalde ervaringen te reproduceren, zoals vlucht- en autosimulators.

Maar het probleem van het reproduceren van geur is veel hardnekkiger. Het SmelloVision-experiment uit 1960 is daar een goed voorbeeld van. Het ging om zo'n 30 geuren die op bepaalde momenten tijdens een film de bioscoop in kwamen. Slechts één film— Geur van mysterie -ooit het systeem gebruikt, dat snel faalde.

De waarheid is dat niemand een manier heeft gevonden om geuren uit de echte wereld nauwkeurig te reproduceren. En bijgevolg is kunstmatige reuk een technologie die hardnekkig buiten ons bereik ligt.

Het probleem is in wezen om een ​​geur op een bepaald punt in de ruimte te meten en deze vervolgens op een ander punt te reproduceren. En het is een taak van verrassende complexiteit en subtiliteit.

Maar zelfs als het mogelijk zou zijn, hoe zouden we zo'n systeem testen? Hoe zouden we weten dat de kunstmatige geur een nauwkeurige reproductie was van het origineel?

Dat klinkt misschien als een triviaal probleem, maar vandaag krijgen we inzicht in de verrassende complexiteit ervan dankzij het werk van David Harel aan het Weizmann Institute of Science in Israël. Harel heeft een soort Turing-test voor kunstmatige geur ontwikkeld die helpt bij het onderzoeken van de problemen die dit probleem oproept.

Om te beginnen legt Harel uit waarom het probleem van olfactorische reproductie fundamenteel anders is dan dat van het reproduceren van visuele of geluidsstimuli. Het reconstrueren van een visuele stimulus is gewoon een kwestie van het reproduceren van de ruimtelijke verdeling van de golflengte en luminantie. En voor geluid definiëren toonhoogte, luidheid en timbre een toon.

Harel geeft het voorbeeld van de eerste foto met mensen, genomen door Louis Daguerre in 1838, en het eerste telefoontje, gemaakt door Alexander Graham Bell, waarbij hij met succes zijn assistent uit de volgende kamer ontbood. In beide gevallen werden de gegenereerde artefacten onmiddellijk herkend als echte weergaven van de originelen. Niet perfect natuurlijk, maar onmiskenbaar herkenbaar, zegt Harel.

Om die reden is het redelijk om aan fotografie en telefonie te denken als methoden die getrouwe reproducties opleveren.

Geur vormt echter een andere uitdaging. Geuren zijn opgebouwd uit moleculen die ons reuksysteem detecteert. Vervolgens zendt het geschikte signalen naar de hersenen die resulteren in de perceptie van een geur. Daarom is het analyseren en synthetiseren van geur niet alleen een kwestie van het gebruik van een geschikte set wiskundige functies om outputs uit te zenden met nauwkeurig berekende golflengten, zegt Harel.

In plaats daarvan schetst Harel het meer complexe proces dat nodig is om geuren te reproduceren. Het bestaat uit drie delen. De eerste noemt hij een sniffer - een apparaat dat een ingangsgeur omzet in een digitale handtekening. De tweede is de whiffer - een apparaat met een reeks vaste geuren die kunnen worden gemengd en vrijgegeven in nauwkeurig afgemeten hoeveelheden en concentraties.

Het derde deel van dit systeem is misschien wel het belangrijkste. Dit is de interface tussen de sniffer en de whiffer. [Dit] analyseert de handtekening die van de sniffer komt en instrueert de snuiter hoe hij zijn palletgeurstoffen moet mengen om een ​​outputgeur te produceren die door een mens wordt waargenomen als zo dicht mogelijk bij de oorspronkelijke input, legt Harel uit.

Na te hebben bepaald hoe het apparaat in principe zou werken, richt Harel zich op de belangrijke vraag hoe goed het kan presteren. Hij vraagt ​​of het doel moet zijn om de geur exact na te bootsen of juist zo goed te reproduceren dat mensen hem kunnen herkennen.

Er is hier een belangrijk onderscheid. Wanneer we een foto zien of naar de radio luisteren, herkennen we het beeld of geluid terwijl we weten dat ze niet echt zijn. In beide gevallen raakt men er onmiddellijk van overtuigd dat de kunstmatig geproduceerde output een adequate reproductie is van het origineel, zij het kunstmatig, zegt Harel.

Niet alleen dat, het is eenvoudig om ervan overtuigd te zijn dat dit reproductieproces volledig algemeen is en net zo goed zal werken, ongeacht de input. Het is dus gemakkelijk te denken dat het proces van fotografie zowel een stadsgezicht als een landschap of een portret moet reproduceren.

Maar het reukvermogen is anders. Zo'n benadering zou totaal ongepast zijn voor reuk, zegt Harel.

Hier stuit de technologie op enkele belangrijke beperkingen. Misschien wel de belangrijkste hiervan is het onvermogen van de menselijke taal om geuren te beschrijven. Er bestaan ​​geen methoden om de essentie van willekeurige geuren mondeling te beschrijven, zegt Harel.

Sommige methoden proberen woorden van andere zintuigen te lenen om geuren bijvoorbeeld als koel of groen te beschrijven. Anderen hebben woorden bedacht die alleen betrekking hebben op geur, zoals muskusachtig, verrot en bloemig. Maar geen van deze is in staat om het hele spectrum van door mensen waarneembare geuren te omspannen.

Dat maakt geuridentificatie een lastige zaak. Een mens kan misschien de geur van koffie of een sinaasappel herkennen, maar zou zeker bezwijken wanneer hem wordt gevraagd geuren te herkennen die verband houden met meer algemene scènes, zoals mos in een donkere grot, de geur van gierende banden of de geur van een onbekend dier in een ver bos.

Dus Harel heeft een alternatieve benadering, losjes gebaseerd op de Turing-test voor kunstmatige intelligentie. In deze test moet een mens een kunstmatige intelligentie onderscheiden van een menselijke intelligentie. Harels idee is om een ​​mens te vragen geuren die door de kunstmatige reukmachine worden geproduceerd, te onderscheiden van echte geuren.

De methode is eenvoudig en slim ontworpen om verbale karakteriseringen te vermijden. Harel zegt dat audio en video de tester een gevoel van onderdompeling kunnen geven. Dus de methode zou inhouden dat een tester een video bekijkt van de plaats waar de geur was verzameld en vervolgens zou beslissen of de bijbehorende geur echt of kunstmatig is. (Harel suggereert ook een aantal variaties van deze methode.)

Het herhalen van dit proces met veel verschillende monsters en testers zou al snel een idee geven van hoe goed het kunstmatige reuksysteem presteert.

Natuurlijk moet ervoor worden gezorgd dat de taak niet te zwaar wordt. Bijvoorbeeld, beginnen met 10 flessen wijn en testers vragen om te bepalen of de geuren echt of kunstmatig zijn, zou voor de meeste mensen te moeilijk zijn. Maar in principe zou zo'n testsysteem kunnen werken.

Dat is een interessant gedachte-experiment dat zich richt op de aard van ervaring en hoe we er betekenis aan geven. Het is niet moeilijk om je meer meeslepende uitdagingen voor te stellen waarbij meer dan één zintuig betrokken is - zicht, geluid, geur, aanraking, enzovoort - en je af te vragen of het mogelijk is om de realiteit te onderscheiden van een soort kunstmatige ervaring. Dat is een onderwerp dat veel sciencefictionfilms hebben onderzocht.

In dat geval kunnen we een idee krijgen van hoe belangrijk reukzin is bij het bijdragen aan realistische ervaringen. Voor voedselgerelateerde ervaring is het duidelijk belangrijk. Maar de vreselijke waarheid is misschien dat geur de rest van de tijd een klein of onbeduidend onderdeel van ervaring kan zijn. Misschien ontbreekt het ons daarom aan de woordenschat om het nauwkeurig te beschrijven.

In ieder geval blijft kunstmatige reukzin voorlopig buiten bereik. Het is nu 50 jaar geleden sinds het SmelloVision-experiment. Misschien zullen de ideeën van Harel helpen om innovatief na te denken over hoe we in de nabije toekomst echte kunstmatige geur kunnen bereiken.

Referentie: arxiv.org/abs/1603.08666 : Niépce-Bell of Turing: Hoe geurreproductie testen?

zich verstoppen