Vous êtes-vous déjà demandé si ce vieux carton de jus de fruit au fond de votre réfrigérateur était toujours potable ? Une nouvelle « langue électronique » pourrait vous le dire.
Le système, alimenté par intelligence artificielle (IA), peut identifier les problèmes de sécurité et de fraîcheur des aliments. Il offre également un aperçu de la façon dont l’IA prend des décisions, ont rapporté les chercheurs le 9 octobre dans la revue Nature.
Pour fabriquer la langue, les chercheurs ont utilisé un transistor à effet de champ sensible aux ions, un dispositif qui détecte les ions chimiques. Le capteur collecte des informations sur les ions présents dans un liquide et transforme ces informations en un signal électrique pouvant être interprété par un ordinateur.
« Nous essayons de fabriquer une langue artificielle, mais le processus par lequel nous expérimentons différents aliments implique bien plus que la simple langue », a déclaré le co-auteur de l’étude. Saptarshi Dasingénieur à la Penn State University, dans un déclaration. « Nous avons la langue elle-même, constituée de récepteurs gustatifs qui interagissent avec les espèces alimentaires et envoient leurs informations au cortex gustatif, un réseau neuronal biologique. »
Dans le nouveau système, le capteur agit comme la langue, tandis que l’IA joue le rôle du cortex gustatif, le région du cerveau responsable de la perception du goût. L’équipe a relié le capteur à un réseau neuronal artificiel, un programme d’apprentissage automatique qui imite la façon dont le cerveau humain traite les informations, pour traiter et interpréter les données collectées par le capteur.
Initialement, Das et ses collègues ont donné au réseau neuronal une poignée de paramètres à utiliser pour déterminer le degré d’acidité d’un certain liquide. À l’aide de ces paramètres, le réseau neuronal a déterminé l’acidité avec une précision d’environ 91 %. Lorsqu’ils ont laissé le réseau neuronal définir ses propres paramètres pour l’analyse de l’acidité, sa précision s’est améliorée à plus de 95 %.
Ils ont ensuite testé la langue sur des boissons réelles. Le système pourrait faire la distinction entre des boissons gazeuses ou des mélanges de café similaires, évaluer si le lait a été dilué, identifier quand le jus de fruit s’est détérioré et détecter les produits nocifs. substances per- et poly-fluoroalkyles (PFAS) dans l’eau, ont-ils découvert.
En utilisant une méthode d’analyse appelée Shapley Additive Explanations, les chercheurs ont pu déterminer quels paramètres le réseau neuronal a classés les plus importants pour parvenir à leurs conclusions. Cette méthode pourrait aider les scientifiques à comprendre comment les réseaux neuronaux prennent des décisions, ce qui reste une question ouverte dans la recherche sur l’IA, selon l’équipe.
« Nous avons constaté que le réseau examinait des caractéristiques plus subtiles dans les données – des choses que nous, en tant qu’humains, avons du mal à définir correctement », a déclaré Das dans le communiqué. « Et parce que le réseau neuronal considère les caractéristiques des capteurs de manière globale, il atténue les variations qui pourraient survenir au quotidien. »
La possibilité de s’adapter à ces variations pourrait contribuer à rendre le capteur plus robuste dans d’autres applications. Grâce à son processus de prise de décision, le réseau neuronal prend en compte les variations qui rendent actuellement les transistors à effet de champ sensibles aux ions peu fiables dans certaines situations.
« Nous avons compris que nous pouvons vivre avec l’imperfection », a déclaré Das dans le communiqué. « Et c’est ce qu’est la nature : elle est pleine d’imperfections, mais elle peut quand même prendre des décisions solides, tout comme notre langue électronique. »
