Μια διεθνής ομάδα επιστημόνων παρουσίασε την πρώτη τεχνητή γλώσσα που μπορεί να ανιχνεύει και να αναγνωρίζει γεύσεις αποκλειστικά σε υγρά περιβάλλοντα, μιμούμενη τον τρόπο λειτουργίας των ανθρώπινων γευστικών καλύκων. Η ανακάλυψη ανοίγει τον δρόμο για αυτοματοποιημένα συστήματα ελέγχου τροφίμων και έγκαιρης διάγνωσης ασθενειών μέσω χημικής ανάλυσης.
Η τεχνολογία μπορεί επίσης να ενσωματωθεί σε εργαστηριακό εξοπλισμό για την ανάλυση υγρών δειγμάτων και θεωρείται βήμα προς την «νευρομορφική υπολογιστική», την ανάπτυξη τεχνητής νοημοσύνης που μιμείται τον τρόπο μάθησης του ανθρώπινου εγκεφάλου.
Η τεχνητή γλώσσα βασίζεται σε μεμβράνες οξειδίου του γραφενίου, εξαιρετικά λεπτά φύλλα άνθρακα που λειτουργούν ως μοριακά φίλτρα για τις ιονικές εκδοχές των γεύσεων. Αντί να απομονώνουν μεγάλα σωματίδια, οι μεμβράνες αυτές επιβραδύνουν την κίνηση των ιόντων, επιτρέποντας στη συσκευή να αναγνωρίζει και να «θυμάται» τις γεύσεις που έρχονται σε επαφή μαζί της.
Στο πείραμα, η συσκευή εντόπισε τις τέσσερις βασικές γεύσεις — γλυκό, ξινό, αλμυρό και πικρό — με ακρίβεια από 72,5% έως 87,5%. Για πιο σύνθετα ροφήματα, όπως ο καφές και η Coca-Cola, η ακρίβεια άγγιξε το 96%, χάρη στη χαρακτηριστική ηλεκτρική υπογραφή των πολύπλοκων μειγμάτων. Πρόκειται για την πρώτη φορά που η ανίχνευση και η επεξεργασία πληροφορίας συνδυάζονται σε ένα και μόνο «υγρό» σύστημα.
Όπως εξηγεί ο Yong Yan, καθηγητής χημείας στο National Center for Nanoscience and Technology της Κίνας, «οι συσκευές μας μπορούν να λειτουργούν σε υγρό περιβάλλον, να αντιλαμβάνονται το περιβάλλον τους και να επεξεργάζονται πληροφορίες, όπως ακριβώς κάνει το νευρικό μας σύστημα».
Μέχρι σήμερα, τα ηλεκτρονικά «στόματα» έπρεπε να στέλνουν όλα τα δεδομένα σε εξωτερικούς υπολογιστές για ανάλυση. Το νέο σύστημα όμως πραγματοποιεί την ανίχνευση και ένα σημαντικό μέρος της επεξεργασίας απευθείας στο υγρό, χωρίς να χρειάζεται μετατροπή της πληροφορίας για «ξηρά» κυκλώματα.
Η καινοτομία αυτή ξεπερνά το χρόνιο πρόβλημα ότι τα παραδοσιακά ηλεκτρονικά εξαρτήματα δυσλειτουργούν στο νερό. Χρησιμοποιώντας τις μεμβράνες οξειδίου του γραφενίου, οι ερευνητές πέτυχαν την παράλληλη ανίχνευση και μερική επεξεργασία δεδομένων χωρίς να απομακρύνουν το δείγμα από το υγρό περιβάλλον.
Η διαδικασία ξεκινά όταν οι χημικές ενώσεις στο υγρό διαλύονται και μετατρέπονται σε ιόντα. Αυτά περνούν από στρώσεις άνθρακα με μικροσκοπικά κανάλια, χιλιάδες φορές λεπτότερα από μια ανθρώπινη τρίχα, δημιουργώντας μοναδικά ηλεκτρικά μοτίβα που αντιστοιχούν σε κάθε γεύση. Με την επανάληψη, η συσκευή «μαθαίνει» αυτά τα μοτίβα, αυξάνοντας την ακρίβειά της.
Ένα από τα πιο εντυπωσιακά στοιχεία είναι ότι οι ερευνητές κατάφεραν να επιβραδύνουν την κίνηση των ιόντων 500 φορές σε σχέση με το φυσιολογικό. Αυτή η καθυστέρηση έδωσε στο σύστημα χρόνο να «αποθηκεύσει» τη γεύση που ανιχνεύει, με αναμνήσεις που διαρκούν περίπου 140 δευτερόλεπτα, έναντι μόλις μερικών χιλιοστών του δευτερολέπτου προηγουμένως.
Η ομάδα συνέκρινε τα αποτελέσματά της με εκείνα μιας έρευνας που δημοσιεύτηκε στο Nature τον Οκτώβριο του 2024 από τον Andrew Pannone και τους συνεργάτες του, οι οποίοι χρησιμοποίησαν νευρωνικά δίκτυα σε παραδοσιακούς υπολογιστές για την ανάλυση δεδομένων από ηλεκτρονικές γλώσσες βασισμένες σε γραφένιο. Η νέα συσκευή, ωστόσο, πραγματοποιεί μέρος της υπολογιστικής εργασίας μόνη της, προσομοιώνοντας τον τρόπο που το ανθρώπινο μυαλό χτίζει αναμνήσεις γεύσης.
Η τεχνολογία αυτή μπορεί να βρει εφαρμογές σε πολλούς τομείς. Στην ιατρική, θα μπορούσε να συμβάλει στην έγκαιρη ανίχνευση ασθενειών μέσω ανάλυσης της γεύσης, να αξιολογεί τις επιδράσεις φαρμάκων ή να βοηθά άτομα που έχουν χάσει την αίσθηση της γεύσης λόγω νευρολογικών παθήσεων ή εγκεφαλικού επεισοδίου.
Στη βιομηχανία τροφίμων και ποτών, η τεχνητή γλώσσα μπορεί να ενισχύσει τον έλεγχο ποιότητας, να βελτιώσει τις διαδικασίες παραγωγής και να εντοπίζει πιθανούς κινδύνους για την ασφάλεια των τροφίμων. Επιπλέον, θα μπορούσε να χρησιμοποιηθεί στην περιβαλλοντική παρακολούθηση, αναγνωρίζοντας συγκεκριμένες γεύσεις ή χημικές υπογραφές στο νερό.
Παρά την πρόοδο, η τεχνολογία δεν είναι ακόμα έτοιμη για εμπορική αξιοποίηση. Η συσκευή παραμένει ογκώδης, η ευαισθησία ανίχνευσης χρειάζεται βελτίωση, ενώ η κατανάλωση ενέργειας είναι υψηλότερη από το επιθυμητό.
Ο Yong, ωστόσο, παραμένει αισιόδοξος ότι μέσα στην επόμενη δεκαετία θα λυθούν τα προβλήματα μαζικής παραγωγής, ενεργειακής απόδοσης και ενσωμάτωσης πολλαπλών αισθητήρων. Σε συνδυασμό με συμβατό νευρομορφικό υλικό, κάτι τέτοιο θα μπορούσε να οδηγήσει σε σημαντικές εξελίξεις στην υγεία, τη ρομποτική και την περιβαλλοντική τεχνολογία.
[via]
