كيف يساعد الذكاء الاصطناعي في تقييم جودة الأغذية؟

في دراسة حديثة نُشرت في مجلة Nature، قدم باحثون من جامعة بنسيلفانيا (Penn State) ابتكارًا ثوريًا يتمثل في “لسان إلكتروني” قادر على تمييز الفروقات بين سوائل متشابهة، مثل الحليب والمشروبات الغازية، وكشف علامات الفساد في عصائر الفاكهة. يعتمد هذا اللسان على تقنية ترانزستور الجرافين وشبكة عصبية مُدربة، حيث يُظهر دقة عالية تصل إلى 95% في التعرف على العينات باستخدام الذكاء الاصطناعي.

لا تقتصر تطبيقات اللسان الإلكتروني على تحليل النكهات فقط، بل تمتد أيضًا إلى مجالات طبية، مما يُبرز إمكانياته الواسعة في تحسين سلامة الأغذية والتشخيصات. وتفتح هذه النتائج آفاقًا جديدة لفهم كيفية اتخاذ الذكاء الاصطناعي للقرارات استنادًا إلى البيانات المدخلة، مما يُعزز من استخدام هذه التقنية في المستقبل في مجالات متعددة.

تطوير لسان إلكتروني ثوري لتحديد الفروقات بين السوائل

في دراسة حديثة نُشرت في 9 أكتوبر في مجلة Nature، تم تطوير لسان إلكتروني متقدم قادر على تحديد الفروقات بين السوائل المتشابهة، مثل الحليب الذي يحتوي على نسب مختلفة من الماء، وأنواع متنوعة من المشروبات الغازية، وخليط القهوة، بالإضافة إلى كشف علامات الفساد في عصائر الفاكهة وحالات تتعلق بسلامة الأغذية.

دقة التحليل باستخدام الذكاء الاصطناعي

أوضح الفريق البحثي، الذي يقوده باحثون من جامعة بنسيلفانيا (Penn State)، أن النتائج كانت أكثر دقة عند استخدام الذكاء الاصطناعي (AI) لتحليل البيانات التي يولدها اللسان الإلكتروني. حيث تم تحسين قدرة الجهاز على تصنيف وتحديد المواد بفضل خوارزميات التعلم الآلي التي تعزز دقة التحليل.

تطبيقات متعددة في سلامة الأغذية والتشخيصات الطبية

وفقًا للباحثين، يمكن أن يكون اللسان الإلكتروني مفيدًا في مجالات سلامة وإنتاج الأغذية، بالإضافة إلى استخدامه في التشخيصات الطبية. يتميز هذا المستشعر الذكي بقدرته على الكشف عن مجموعة متنوعة من المواد الكيميائية وتصنيفها، مما يوفر تقييمًا شاملاً لجودتها وأصالتها وطازجتها.

رؤية جديدة حول الذكاء الاصطناعي

علاوة على ذلك، قدم هذا التحليل للباحثين رؤية جديدة حول كيفية اتخاذ الذكاء الاصطناعي للقرارات استنادًا إلى البيانات المدخلة. هذه النتائج لا تعزز فقط من فهمنا للذكاء الاصطناعي، بل قد تؤدي أيضًا إلى تحسين تطويره وتطبيقاته المستقبلية في مجموعة واسعة من المجالات.

تصريحات حول تطوير اللسان الاصطناعي

صرّح المؤلف المشارك سابترشي داس، أستاذ الهندسة في جامعة بنسيلفانيا (Penn State)، قائلاً: “نسعى إلى تطوير لسان اصطناعي، لكن عملية تذوق الطعام تتجاوز مجرد حاسة التذوق. فاللسان يحتوي على مستقبلات تذوق تتفاعل مع الطعام وترسل المعلومات إلى القشرة الذوقية، وهي شبكة عصبية بيولوجية.”

القشرة الذوقية ودورها في إدراك النكهات

القشرة الذوقية هي منطقة في الدماغ مسؤولة عن إدراك وتفسير النكهات المختلفة، حيث تتجاوز وظائفها ما تشعر به مستقبلات التذوق فقط. تقوم القشرة بتصنيف الأطعمة ضمن الفئات الخمس الأساسية: الحلو، الحامض، المر، المالح، والأومامي (اللاذع). وكلما تعلم الدماغ تفاصيل النكهات، أصبح أفضل في التمييز بين الاختلافات الدقيقة.

تقليد العملية الطبيعية من خلال الذكاء الاصطناعي

لتقليد هذه العملية بشكل صناعي، طور الباحثون شبكة عصبية، وهي خوارزمية تعلم آلي تحاكي الدماغ البشري في تقييم وفهم البيانات. هذا التطور يمثل خطوة مهمة نحو تحسين تكنولوجيا الذكاء الاصطناعي، مما يفتح آفاقًا جديدة لفهم كيفية تمييز النكهات بشكل أكثر دقة وفعالية.

تطوير نموذج الذكاء الاصطناعي

قال المؤلف المشارك هاريكريشنان رافيشانداران، طالب دكتوراه في علوم وهندسة الميكانيكا بجامعة بنسيلفانيا (Penn State)، والمشرف على هذا البحث: “في السابق، درسنا كيفية استجابة الدماغ لمذاقات مختلفة، وقمنا بتقليد هذه العملية من خلال دمج مواد ثنائية الأبعاد لتطوير نموذج أولي لمعالجة الذكاء الاصطناعي للبيانات بشكل مشابه للإنسان. الآن، ندرس عدة مواد كيميائية لمعرفة ما إذا كان بإمكان المستشعرات الكشف عنها بدقة، وكذلك التمييز بين الفروق الدقيقة في الأطعمة المتشابهة والكشف عن قضايا تتعلق بسلامة الأغذية”.

تكنولوجيا اللسان الإلكتروني

يتكون اللسان الإلكتروني من ترانزستور حساس للأيونات مصنوع من الجرافين، وهو جهاز موصل قادر على اكتشاف الأيونات الكيميائية، مرتبط بشبكة عصبية صناعية مدربة على مجموعات بيانات متنوعة. أشار داس إلى أن المستشعرات غير مخصصة، مما يعني أن مستشعرًا واحدًا يمكنه الكشف عن أنواع مختلفة من المواد الكيميائية، بدلاً من استخدام مستشعر خاص لكل مادة.

آلية عمل الشبكة العصبية

قام الباحثون بتزويد الشبكة العصبية بـ 20 معلمة محددة لتقييمها، وكلها تتعلق بتفاعل السائل مع الخصائص الكهربائية للمستشعر. بناءً على هذه المعلمات، تمكن الذكاء الاصطناعي من التعرف بدقة على العينات، بما في ذلك الحليب المخفف بالماء، والمشروبات الغازية المختلفة، وخليط القهوة، وعصائر الفاكهة بدرجات طازجة متفاوتة. وقدمت هذه التقنية تقارير عن محتوياتها بدقة تتجاوز 80% في دقيقة واحدة تقريبًا، مما يعكس كفاءة اللسان الإلكتروني في تقييم جودة وسلامة الأغذية.

تحقيق دقة مثالية في الذكاء الاصطناعي

قال المؤلف المشارك أندرو بانون، طالب دكتوراه في علوم وهندسة الميكانيكا تحت إشراف داس: “بعد تحقيق دقة معقولة باستخدام المعلمات المختارة من قِبَل الإنسان، قررنا السماح للشبكة العصبية بتحديد معاييرها الخاصة عبر تحليل البيانات الأولية للمستشعر. وجدنا أن الشبكة العصبية حققت دقة مثالية تقارب 95% عند استخدام المعايير التي تم تطويرها بواسطة الآلة بدلاً من تلك التي يحددها البشر. استخدمنا نهجًا يُعرف بـ Shapley additive explanations، والذي يتيح لنا فهم كيف تفكر الشبكة العصبية بعد اتخاذ القرار”.

تفسير قرارات الذكاء الاصطناعي

يستخدم هذا النهج نظرية الألعاب، وهي عملية صنع قرار تأخذ في الاعتبار اختيارات الآخرين للتنبؤ بنتيجة قرار معين، لتحديد القيم للبيانات المحللة. من خلال هذه التفسيرات، تمكن الباحثون من فهم كيفية تقييم الشبكة العصبية لمكونات العينة لاتخاذ القرار النهائي، مما أعطى الفريق لمحة عن آلية اتخاذ القرارات في الشبكات العصبية، وهو مجال ظل غامضًا في الذكاء الاصطناعي.

فهم آلية اتخاذ القرار

تبين أن الشبكة العصبية لم تكتف بتقييم المعايير الفردية التي حددها الإنسان، بل أخذت بعين الاعتبار مجموعة البيانات الأهم معًا، وكشفت عن مدى أهمية كل مدخل بيانات. يعكس هذا الفهم العمق الذي يمكن أن تصل إليه الشبكات العصبية في تحليل البيانات، مما يسهم في تطوير تطبيقات أكثر دقة وفعالية في مجالات متعددة.

التقييمات المتفاوتة للحليب

قارن الباحثون هذه التقييمات بشخصين يشربان الحليب. كلاهما يمكنه تحديد أن السائل هو حليب، لكن أحدهما قد يعتقد أنه حليب منزوع الدسم وفاسد، بينما يعتقد الآخر أنه حليب 2% وطازج. هذه الفروق الدقيقة يصعب تفسيرها حتى من قبل الشخص الذي يقوم بالتقييم.

دقة الشبكة العصبية في التقييمات

أوضح داس: “وجدنا أن الشبكة العصبية قامت بتقييم خصائص أدق في البيانات - أشياء يجد البشر صعوبة في تحديدها بدقة. ونظرًا لأن الشبكة العصبية تأخذ بعين الاعتبار الخصائص الخاصة بالمستشعر بشكل شامل، فإنها تقلل من التباينات التي قد تحدث يوميًا. وفيما يتعلق بالحليب، يمكن للشبكة العصبية تحديد نسبة الماء في الحليب، وفي هذا السياق، تحديد ما إذا كانت هناك مؤشرات على الفساد تستدعي القلق بشأن سلامة الأغذية”.

تحسين سلامة الأغذية

تشير هذه النتائج إلى أن الشبكة العصبية ليست فقط أداة دقيقة لتحديد نوعية الحليب، بل إنها أيضًا وسيلة فعالة لضمان سلامة الأغذية. هذا الابتكار يمكن أن يفتح آفاقًا جديدة في مجال مراقبة الجودة، مما يساعد على تقليل المخاطر المرتبطة بتناول المواد الغذائية الفاسدة.

إمكانيات التطبيق للسان الإلكتروني

أكد داس أن قدرات اللسان الإلكتروني محدودة فقط بالبيانات التي تم تدريبه عليها، مما يعني أنه، رغم التركيز في هذه الدراسة على تقييم الأغذية، يمكن استخدامه في مجال التشخيصات الطبية أيضًا. وتعد هذه الإمكانية مثيرة للاهتمام، حيث يمكن أن يعزز اللسان الإلكتروني دقة الفحوصات الطبية ويؤمن نتائج موثوقة.

مرونة المستشعرات في مختلف المجالات

وبرغم أهمية الحساسية في أي مجال يُستخدم فيه المستشعر، إلا أن متانة المستشعرات توفر إمكانية نشرها على نطاق واسع في مختلف الصناعات. يمكن استخدام اللسان الإلكتروني في مجالات متعددة، من تحليل الجودة الغذائية إلى تطبيقات طبية، مما يعكس مرونة هذه التقنية وقدرتها على التكيف مع احتياجات مختلفة.

تحليل البيانات وتوفير التكاليف

أوضح داس أن المستشعرات لا تحتاج إلى أن تكون متطابقة تمامًا، إذ يمكن لخوارزميات التعلم الآلي تحليل جميع البيانات معًا لتقديم الإجابة الصحيحة، مما يجعل عملية التصنيع أكثر عملية وأقل تكلفة. هذه المرونة تجعل من السهل تكامل اللسان الإلكتروني في أنظمة الإنتاج الحالية دون الحاجة إلى تغييرات جذرية.

التغلب على العيوب

قال داس: “اكتشفنا أنه يمكننا التعامل مع العيوب. هذه هي طبيعة الحياة – مليئة بالعيوب، لكنها لا تزال قادرة على اتخاذ قرارات قوية، مثل لساننا الإلكتروني”. تظهر هذه الفكرة أن التكنولوجيا ليست فقط عن الكمال، بل عن القدرة على التعلم والتكيف مع الظروف المتغيرة، مما يجعل اللسان الإلكتروني أداة قوية في العديد من التطبيقات المستقبلية.