หุ่นยนต์ลิ้น รับรู้-แยกแยะรสชาติได้ ต้นแบบ AI Machine Learning
แพทริค รัช (Patrick Ruch) สมาชิกทีมวิจัยของ IBM Research และผู้เขียนร่วมของบทความเกี่ยวกับ HyperTaste หรือที่เรียกว่าเป็น "หุ่นยนต์ลิ้น" เซ็นเซอร์ที่ตรวจสอบองค์ประกอบทางเคมีของของเหลวได้
รัชกล่าวว่า "HyperTaste เกิดขึ้นจากการพัฒนาด้าน AI และเป็น Machine learning ที่เลียนแบบประสาทสัมผัสของมนุษย์ ตัวอย่างเช่น ความสามารถในการมองเห็นและการได้ยิน เพื่อจดจำภาพและตีความคำพูด เราต้องการนำเสนอแนวทางใหม่ ๆ สำหรับการตรวจจับสารเคมี”
แนวคิดดังกล่าว เกิดขึ้นจากการใช้เซ็นเซอร์หลายตัวมารวมตัวกัน และทำงานเหมือนกับปุ่มรับรสบนลิ้นของมนุษย์ โดยใช้อัลกอริทึมของ Machine learning เพื่อตีความผลลัพธ์จากเซ็นเซอร์ โดยทีมงานใช้แผงวงจรที่มีฮาร์ดแวร์เป็นไมโครคอนโทรลเลอร์และเซ็นเซอร์โพลีเมอร์ที่เป็นสื่อกระแสไฟฟ้า 16 ชุด โดยเซ็นเซอร์ดังกล่าวจะเปลี่ยนกระแสแรงดันไฟฟ้าเมื่อจุ่มลงในสารละลาย
การจุ่มชิ้นส่วนของเซ็นเซอร์ลงในของเหลวจะสร้างชุดสัญญาณแรงดันไฟฟ้า หรือรูปแบบทางเคมีที่มีลักษณะเฉพาะสำหรับของเหลวแต่ละชนิด สัญญาณแรงดันไฟฟ้าเหล่านี้จะถูกส่งไปยังสมาร์ตโฟนที่จะส่งต่อไปยังเซิร์ฟเวอร์คลาวด์ โดยที่ระบบ Machine learning จะใช้ข้อมูลที่ได้รับมาเพื่อกำหนดอัลกอริทึมและเปรียบเทียบรูปแบบทางเคมีเหล่านั้นกับฐานข้อมูลของเหลวที่รู้จัก จากนั้นอัลกอริทึมจะรายงานผลลัพธ์กลับไปที่แอปพลิเคชันในสมาร์ตโฟน ภายในหนึ่งหรือสองนาที
"ไม่จำเป็นต้องมีห้องทดลองในการทดสอบเช่นนี้ ซึ่งช่วยประหยัดทั้งเวลาและค่าใช้จ่าย เราต้องการใช้อุปกรณ์ทดสอบแบบพกพาง่าย ๆ และแสดงถึงความสามารถของระบบตรวจจับสารเคมีดังกล่าว ที่สามารถยกระดับความชาญฉลาดของระบบตรวจจับสารเคมีไปทางด้านซอฟต์แวร์ได้" รัช กล่าว
แม้จะใช้งานได้ง่าย แต่ HyperTaste ก็ไม่ได้ทำขึ้นมาอย่างง่าย ๆ มันถูกสร้างขึ้นโดยการนำความเชี่ยวชาญทั้งด้านเทคโนโลยีเคมีไฟฟ้า และวิทยาศาสตร์วัสดุมารวมกัน
HyperTaste ถูกสร้างขึ้นเป็นครั้งแรกในปี 2019 แต่สามารถใช้ได้กับของเหลวบางชนิดเท่านั้น สำหรับตอนนี้ มันสามารถวิเคราะห์ของเหลวที่ซับซ้อนมากขึ้นได้ โดยทีมงานของ IBM ได้ทดสอบความสามารถของ HyperTaste ในการแยกแยะน้ำแร่บรรจุขวดประเภทต่าง ๆ และระบุน้ำผลไม้ตามประเภทผลไม้และไวน์ตามยี่ห้อและแหล่งกำเนิด ประเมินความเข้มข้นของกาแฟ และตรวจจับแอลกอฮอล์ปลอม ซึ่งการวิจัยเกี่ยวกับ HyperTaste นี้อยู่ในส่วนหนึ่งของโครงการริเริ่มการพัฒนาวัสดุของ IBM
"การตีความข้อมูลโดยใช้เครื่องช่วยแบบนี้ อาจเป็นประโยชน์สำหรับห้องปฏิบัติการในอนาคต หากคอมพิวเตอร์สามารถช่วยในการตรวจวัดได้ คุณก็จะสามารถค้นหาวิธีการสังเคราะห์สารประกอบโดยอัตโนมัติ และสั่งผลิตสารประกอบเหล่านั้นได้ทันทีด้วยหุ่นยนต์ หรืออาจสร้างวัสดุประเภทใหม่ที่มีคุณสมบัติดีกว่า และยั่งยืนกว่าได้” รัชสรุป
ที่มาของข้อมูล spectrum.ieee.org
ที่มาของรูปภาพ spectrum.ieee.org