出品｜搜狐科技
作者｜鄭松毅
近日，莫內爾化學感官中心和谷歌研究院衍生初創公司Osmo共同領導的科學家團隊在《科學》發文稱，機器學習模型在用語言描述化學品的氣味方面已經達到人類水平，甚至高于部分人類個體的水平。這意味著，計算機或將擁有比人類更強的“嗅覺”能力。
莫內爾中心成員喬爾·梅蘭德表示，“該模型解決了人類對嗅覺的科學理解中長期存在的差距，此次合作讓世界距離將氣味數字化、記錄和再現又近了一步。”
據了解，該研究團隊設計了一種神經網絡系統，用來學習如何將分子氣味的形象化描述與氣味的分子結構相匹配。該模型使用行業數據集（果味、花香等）進行訓練，其中包括5000種已知氣味劑的分子結構和氣味質量。數據輸入是分子的形狀，輸出是對氣味的描述詞。通過訓練，AI學了了氣味分子結構和香氣之間的關系。
為了驗證該模型的有效性，由15名小組成員組成的團隊隨即與機器模型展開了比賽，每位小組成員被給予400種氣味劑，其中包括大蒜、果味等，參與者被要求從給定的55個詞匯（從“薄荷”到“霉味”）中選擇合適的詞匯來描述氣味，并用從1到5的等級評價氣味強度。
實驗結果表明，機器學習模型對于氣味描述的能力與人類給出的平均反應幾乎一致，甚至更接近正確答案。具體來說，該模型在53%的測試分子中表現優于小組成員的平均水平。
梅蘭德強調，“令人大開眼界的是，我們從未訓練它學習氣味強度，但它仍然可以做出準確的預測。”
除了可以識別訓練數據中的氣味分子結構，研究人員意外發現該模型還能夠識別出其它不同結構的分子，同時表征了50萬個潛在氣味分子的各種氣味特性，例如氣味強度。
據悉，人類的嗅覺受體數量約為視覺受體的100倍，聽覺受體的30倍以上。每種嗅覺受體都能識別不同的氣味分子，這些嗅覺受體在鼻腔中的特定細胞上表達，幫助我們感知不同的氣味。
然而，在嗅覺研究中，究竟是什么物理特性讓空氣傳播的分子在大腦中產生氣味，一直是個迷。
對于視覺和聽覺，學界已有了完善的圖譜將物理屬性（如頻率和波長）和感知屬性（如音高和顏色）相關聯。但嗅覺還沒有這樣的圖譜。
如果計算機能夠識別分子的形狀，以及我們最終如何感知氣味之間的關系，科學家就可以利用這一知識來加深對人類大腦和鼻子如何協同工作的理解。
讓計算機擁有“嗅覺”能力可不僅僅是為了讓它也能聞到榴蓮、牛排的香氣這么簡單，機器對氣味的分析能力對食品、醫療、以及化工等領域都有直接價值意義。
食品方面，除了能用計算機通過氣味判斷食品的新鮮程度，對食品味道合成及優化方面也有很大作用，幫助食品制造商生產出更符合消費者口味的食品。
醫療方面，計算機可以通過分析汗液氣味、口腔氣味，檢測出人體代謝疾病等，從而進行疾病診斷。
在化工領域，計算機通過分析材料的氣味，可以判斷材料成分和純度，檢測并提高材料質量。
人工智能發展熱潮下，大模型已經實現視覺和聽覺能力，但似乎還沒有“長出鼻子”掌握嗅覺能力。
每個物質分子的味道都是獨特的，因此需要大量的樣本才能訓練出一個能夠識別各種氣味的大模型。這可能也是為什么大模型在實現嗅覺方面比較困難的原因。
說到底，我們自己對于嗅覺的理解也還不夠深入。雖然我們已經能夠通過化學分析解析出很多物質的分子結構，但是對于如何通過嗅覺感知這些分子，以及這種感知如何轉化為神經信號，我們仍然知之甚少。
機器感知的邊界究竟能否真正從視覺、聽覺，擴展到嗅覺，值得業界共同探索和考證。