Un nuevo algoritmo permite identificar olores en tiempo real

Neuronas en cultivo en el Instituto de Neurociencias español.
Neuronas en cultivo en el Instituto de Neurociencias español.CSIC

El ser humano está viviendo con nuevos artefactos que aprenden por sí solos con un margen de progresión que parece no tener límite. Es lo que cuenta Eric Sadin en su libro La inteligencia artificial o la apuesta del siglo (Editorial L’Échappée, 2018). El filósofo francés, especialista en la relación entre el ser humano y la tecnología, recuerda el papel de los algoritmos que permiten al dispositivo perfeccionar sus competencias humanas y multiplicar sus conocimientos, capa por capa, hasta alcanzar quizás la perfección.

Un nuevo estudio publicado este lunes en Nature Machine Intelligence confirma el relato de Sadin: unos investigadores han creado un nuevo algoritmo para que una máquina aprenda e identifique olores en tiempo real pese a la presencia de otras sustancias. “Es posible que llegue a ser mejor que el ser humano cuando vayamos añadiendo más sensores y enseñándole más componentes. Haciendo cálculos la máquina es claramente superior a nosotros”, explica Thomas Cleland, autor del estudio e investigador en el laboratorio de Fisiología Computacional de la Universidad de Cornell (Estados Unidos).

Todo en el entorno tiene un componente químico y cada una de estas sustancias produce una secuencia espacio-temporal característica de pulsos eléctricos. Al dibujarse el circuito neuronal, lo mandan a la máquina y esta lo aprende un cuestión de segundos. Los investigadores han utilizado una base pública de datos de olores de distintos productos químicos que habían sido detectados con sensores.

Estos resultados ayudan a comprender el olfato de los mamíferos y pueden servir a crear una nariz artificial capaz de reconocer olores específicos pese a la presencia de otras sustancias desconocidas

El circuito de neuronas artificiales se entrenó con olores como el tolueno, el amoníaco, la acetona, el monóxido de carbono y el metano. Este algoritmo diseñado, según explica Teresa Serrano, investigadora del Instituto de Microelectrónica de Sevilla del Consejo Superior de Investigaciones Científicas, es “un algoritmo de aprendizaje en línea, cuya existencia se ha demostrado en las neuronas biológicas, que memoriza patrones espacio-temporales de estimulación de pulsos repetitivos”.

Crear una máquina que huele tiene sentido. El objetivo de este proyecto es desarrollar un dispositivo estable, que no se cansa, capaz de identificar elementos tóxicos, fugas de sustancias y calibrar la calidad del aire, entre otras cosas. Los investigadores cuentan por ahora con 72 sensores para introducir, a partir del circuito neuronal de los mamíferos incluido el humano, la secuencia de cada olor distinto en el sistema. Estos resultados ayudan a comprender el olfato de los mamíferos y pueden servir a crear una nariz artificial capaz de reconocer olores específicos en medio de otros componentes que todavía no se hayan registrado.

Una nariz tiene unas 10 millones de células y el ser humano tira provecho de hasta 400 tipos de receptores en su sistema olfativo mientras que otros mamíferos como los caninos y ciertos roedores superan los 1.000, según los datos de Cleland. “Los ratones y los perros captan muchos más olores que el ser humano y combinar los receptores de cada animal en una sola máquina llegará a sobrepasar la capacidad humana”, añade el experto. Por ahora, la máquina comete errores el 5% del tiempo por culpa de la superposición de los componentes que hace díficil, a veces, reconocerlos individualmente. “Estamos trabajando en ello, en ampliar el circuito”, asegura Cleland.

El sistema llamado Loihi es un procesador bioinspirado, es decir, que imita la forma de pensar y el modo de los sistemas biológicos de tratar información. Gracias a este método que implementa los pulsos electrónicos de la secuencia del componente químico, los expertos han creado una arquitectura neuronal de clasificación de olores en tiempo real. “Este tipo de arquitectura ya ha sido demostrada para redes neuronales basadas en visión y en sensores auditivos”, completa Serrano.

Pero entonces, ¿este aprendizaje automático (machine learning) podría crear una máquina con los cinco sentidos del ser humano? Cleland asegura que la arquitectura que han elaborado es muy específica y no podría adaptarse a todo. “La máquina toma decisiones muy precisas, pero es verdad que para lo gustativo, por ejemplo, podría responder de la misma manera”, reconoce.

Los hallazgos también sugieren que la adaptación de tales sistemas neuronales biológicos podría representar un método poderoso para desarrollar nuevos algoritmos que van más allá de las tendencias actuales en inteligencia artificial, según el estudio.