Машины получают новое чувство: искусственный язык узнаёт вкусы так точно, будто слышит их

Попытки оцифровать вкус долгое время уступали технологиям зрения и слуха: машины умели различать изображения и звуки, но вкус оставался ускользающим ощущением. Созданные ранее искусственные языки были узкоспециализированными и работали только в отдельных средах — например, распознавали шоколад, пиво или сладость. Однако новая разработка китайских учёных из Пекина изменила правила игры. Исследователи представили систему на основе оксида графена, которая не просто фиксирует вкусовые сигналы, но и запоминает их, демонстрируя точность почти 99 %.

Эта работа может стать основой для будущих технологий, способных оцифровать вкусовую информацию и использовать её в медицине, робототехнике, контроле качества и даже вспомогательных устройствах для людей, утративших вкус.

Как устроена новая искусственная вкусовая система

Разработка учёных из Национального центра нанонауки и технологий и нескольких институтов Китая представляет собой нейроморфное устройство — систему, имитирующую взаимодействие биологических вкусовых рецепторов и нейронов. В её основе лежат многослойные мембраны из оксида графена, чувствительные к химическому составу жидкости.

Главная особенность такого "языка" — работа в водной среде. В отличие от твёрдотельных сенсоров, которые обрабатывают сигналы с участием электронов, вкусовые рецепторы должны передавать информацию через движение ионов. В этом и помогает GO-ISMD — ионно-сенсорное мемристивное устройство.

"Вдохновившись биологической системой восприятия вкуса, мы разработали интеллектуальную систему, которая с помощью наших устройств "распознаёт" химические вещества по их вкусовым качествам", — объясняет Йон Янг.

Благодаря наноразмерным каналам внутри мембраны ионы замедляются, задерживаются и создают эффект электрической "памяти", похожей на синаптическую. Это позволяет устройству одновременно фиксировать вкус и обрабатывать сигнал.

Что делает систему похожей на нейронную сеть

Во время испытаний сенсор демонстрировал способности, напоминающие работу синапсов в живом организме: усиливал или ослаблял реакцию, запоминал быстро следующие сигналы и сохранял кратковременную энергообусловленную память. В некоторых настройках эта память длилась до 140 секунд — что значительно превышает стандартную подвижность ионов в жидкости.

Чтобы превратить этот сенсорный отклик в чёткие цифровые данные, исследователи использовали резервуарные вычисления — метод, позволяющий преобразовывать динамичные сигналы в узнаваемые паттерны. Затем их вводили в однослойную нейронную сеть, которая училась различать вкусы.

Сравнение: биологический вкус против искусственного

Как исследователи тестировали искусственный вкус

Учёные проверили работу устройства на четырёх стандартных вкусовых веществах:

1. Кислый вкус — уксусная кислота.

2. Солёный вкус — хлорид натрия (NaCl).

3. Горький вкус — сульфат магния (MgSO₄).

4. Сладкий вкус — ацетат свинца.

Сенсор преобразовывал их в электрические сигналы, после чего нейронная сеть классифицировала вкусы с точностью около 98,5 %. В бинарных тестах точность зависимости от образца составляла 75-90 %. Более того, система отличала даже сложные напитки (кофе, колу и смешанные напитки) с высокой стабильностью.

Ошибка → Последствие → Альтернатива

1. Ошибка: попытка распознать вкус только по концентрации вещества.
   Последствие: низкая точность и ложные совпадения.
   Альтернатива: использовать многослойные мембраны с памятью сигнала.

2. Ошибка: прямой перенос электронных датчиков в водную среду.
   Последствие: потеря сигнала и деградация устройства.
   Альтернатива: сенсоры на основе ионной проводимости.

3. Ошибка: расчёт без нейросетевой постобработки.
   Последствие: шумные данные и отсутствие чётких паттернов.
   Альтернатива: резервуарные вычисления и обучаемые модели.

А что если искусственный язык станет частью повседневных устройств

Такая технология может превратиться в инструмент контроля качества продуктов, помощник для людей с нарушениями вкуса или элемент домашних роботов, способных различать химические вещества. В медицине она могла бы определять состав жидкостей, диагностировать заболевания по биохимическим маркерам или оценивать состояние организма.

Плюсы и минусы новых сенсоров

FAQ

Почему обычные датчики плохо распознают вкус?
Потому что вкус передаётся ионами в жидкости, а большинство датчиков разработаны для электронных сигналов в твёрдых материалах.

Как устройство запоминает вкусы?
Мембрана из оксида графена создаёт задержку ионов, формируя электрический "след", похожий на биологическую память.

Можно ли использовать искусственный язык в еде и напитках?
Да, но потребуется уменьшить устройство и снизить энергопотребление.

Мифы и правда

Миф: искусственный язык может заменить человеческий.
Правда: он распознаёт химические сигналы, но не ощущения.

Миф: устройство работает только в чистых лабораторных растворах.
Правда: оно уже распознаёт кофе и колу.

Миф: графеновые сенсоры всегда дорогие.
Правда: стоимость снижается с масштабированием производства.

Три интересных факта

1. Мембрана сохраняет память до 140 секунд — гораздо дольше стандартных ионных процессов.

2. Система отличает сложные напитки не хуже дегустаторов-новичков.

3. Графен помогает проводить ионы и формировать сигналы одновременно.

Исторический контекст

1. Первые попытки создать искусственный язык появились в 1990-х годах.

2. В 2010-х появились специализированные датчики для вина и шоколада.

3. Новое исследование в PNAS стало первым, где сенсор и вычислитель объединены в одной графеновой системе.

Исследование, опубликованное в журнале Proceedings of the National Academy of Sciences, показывает, что объединение сенсорных и вычислительных функций в одном устройстве открывает путь к новым биомиметическим инструментам. Возможно, такие технологии однажды позволят расширить или даже воспроизвести человеческое восприятие вкуса.