最近开发的电子舌头能够识别类似液体中的差异，例如含水量不同的牛奶；各种产品，包括苏打水类型和咖啡混合物；果汁变质的迹象；以及食品安全问题的例子。由宾夕法尼亚州立大学研究人员领导的团队还发现，当人工智能 (AI) 使用自己的评估参数来解释电子舌头生成的数据时，结果会更加准确。

研究人员今天（10 月 9 日）在《自然》杂志上发表了他们的研究成果。

据研究人员介绍，电子舌可用于食品安全和生产，以及医学诊断。传感器及其人工智能可以广泛检测和分类各种物质，同时集体评估它们各自的质量、真实性和新鲜度。他们说，这项评估还为研究人员提供了人工智能如何做出决策的视角，这可以带来更好的人工智能开发和应用。

“我们正在尝试制造人造舌头，但我们体验不同食物的过程不仅仅涉及舌头，”通讯作者、阿克利工程学教授兼工程科学和力学教授 Saptarshi Das 说道。“我们有舌头本身，它由味觉受体组成，味觉受体与食物种类相互作用，并将其信息发送到味觉皮层——一个生物神经网络。”

味觉皮层是大脑中感知和解释各种味道的区域，味觉受体无法感知到这些味道，味觉受体主要通过甜、酸、苦、咸和香五大类对食物进行分类。随着大脑逐渐了解味道的细微差别，它可以更好地区分味道的细微差别。为了人工模拟味觉皮层，研究人员开发了一种神经网络，这是一种机器学习算法，可以模仿人类大脑评估和理解数据。

“之前，我们研究了大脑对不同口味的反应，并通过整合不同的 2D 材料来模拟这一过程，从而制定出一种蓝图，让人工智能能够更像人类一样处理信息，”论文合著者 Harikrishnan Ravichandran 说道，他是 Das 指导的工程科学和力学博士生。“现在，在这项研究中，我们正在考虑几种化学物质，看看传感器是否能准确地检测到它们，此外，它们是否能检测到类似食物之间的细微差别，并辨别出食品安全问题的情况。”

舌头由基于石墨烯的离子敏感场效应晶体管（或可检测化学离子的导电装置）组成，它与基于各种数据集训练的人工神经网络相连。达斯指出，至关重要的是，这些传感器是非功能化的，这意味着一个传感器可以检测不同类型的化学物质，而不是针对每种潜在化学物质设计一个特定的传感器。研究人员为神经网络提供了 20 个特定参数供评估，所有这些参数都与样品液体如何与传感器的电特性相互作用有关。基于这些研究人员指定的参数，人工智能可以准确检测样品（包括兑水的牛奶、不同类型的苏打水、混合咖啡和多种新鲜度的果汁），并在大约一分钟内以超过 80% 的准确率报告其含量。

“在使用人工选择的参数实现合理的精度后，我们决定让神经网络通过提供原始传感器数据来定义自己的性能系数。我们发现，当使用机器得出的性能系数而不是人类提供的性能系数时，神经网络达到了接近理想的推理精度，超过 95%”，论文合著者、达斯指导的工程科学和力学博士生安德鲁·潘诺内 (Andrew Pannone) 说道。“因此，我们使用了一种称为 Shapley 加性解释的方法，它允许我们在神经网络做出决定后询问它在想什么。”

这种方法利用博弈论为所考虑的数据赋值，博弈论是一种决策过程，它考虑其他人的选择来预测单个参与者的结果。有了这些解释，研究人员可以逆向工程，了解神经网络如何权衡样本的各个组成部分以做出最终决定——让团队一窥神经网络的决策过程，据研究人员称，这在人工智能领域仍然很大程度上不透明。他们发现，神经网络不是简单地评估单个人类指定的参数，而是将它认为最重要的数据放在一起考虑，而 Shapley 加法解释揭示了神经网络认为每个输入数据的重要性。

研究人员解释说，这种评估可以比作两个人喝牛奶。他们都能识别出这是牛奶，但一个人可能认为这是变质的脱脂牛奶，而另一个人认为这是 2% 的新鲜牛奶。即使是进行评估的人也很难解释其中的细微差别。

“我们发现，神经网络能够查看数据中更细微的特征——我们人类很难正确定义这些特征，”Das 说道。“由于神经网络全面考虑了传感器特征，因此它可以减轻可能每天发生的变化。就牛奶而言，神经网络可以确定牛奶中水分含量的变化，并在此背景下确定是否有任何降解指标足以被视为食品安全问题。”

据 Das 介绍，舌头的功能仅受训练数据的限制，这意味着虽然这项研究的重点是食品评估，但它也可以应用于医疗诊断。研究人员表示，无论传感器应用于何处，灵敏度都很重要，但其传感器的坚固性为在不同行业中的广泛部署提供了前进的道路。

Das 解释说，传感器不需要完全相同，因为机器学习算法可以综合考虑所有信息并得出正确答案。这使得制造过程更加实用，成本也更低。

“我们发现我们可以忍受不完美，”达斯说。“这就是大自然——它充满了不完美，但它仍然可以做出稳健的决定，就像我们的电子舌头一样。”

Das 还隶属于材料研究所以及电气工程系和材料科学与工程系。宾夕法尼亚州立大学工程科学与力学系的其他贡献者包括研究时的研究技术员 Aditya Raj；研究时研究生 Sarbashis Das，他于 5 月获得了电气工程博士学位；工程科学与力学研究生 Ziheng Chen；以及研究生 Collin A. Price，他于 5 月获得了工程科学与力学理学学士学位。美国宇航局戈达德太空飞行中心的 Mahmooda Sultana 也做出了贡献。

美国国家航空航天局（NASA）的空间技术研究生研究机会资助了这项工作。