科学家们正在尝试教人工智能如何嗅觉

鼻子的威力无可夸大——研究表明，人类可以辨别超过一万亿种气味。当你记住每种气味都是具有独特结构的化学物质时，这一点尤其令人印象深刻。专家们一直在试图辨别化学结构如何决定气味的模式或逻辑，这将使合成复制气味或发现新气味变得更加容易。但这极具挑战性——两种结构非常相似的化学物质闻起来可能截然不同。当识别气味是一项如此复杂的任务时，科学家们不禁要问：我们能让计算机来做这件事吗？

对于科学家来说，嗅觉仍然比我们的视觉或听觉更神秘。虽然我们可以将我们看到的“图像”绘制成光波长的光谱，将我们听到的“图像”绘制成具有频率和振幅的声波范围，但我们对嗅觉却没有这样的理解。在本月发表在《科学》杂志上的一项新研究中，科学家们用来自两个香水数据库的 5,000 种化合物训练了一个神经网络，这些化合物包括有气味的分子以及相应的气味标签，如“果味”或“奶酪味”。然后，人工智能能够生成一个“主要气味图”，直观地展示不同气味之间的关系。当研究人员将他们的人工智能引入一种新分子时，该程序能够描述性地预测这种分子的气味。

研究小组随后要求居住在费城附近的 15 名具有不同种族背景的成年人闻到并描述同一种气味。他们发现，“神经网络的描述大多数时候都比普通小组成员更好”，新论文的作者之一亚历克斯·威尔奇科 (Alex Wiltschko) 说。威尔奇科是 Osmo 的首席执行官兼联合创始人，该公司的使命是“让计算机拥有嗅觉”，并与谷歌和美国多所大学的研究人员合作开展这项工作。

“嗅觉是非常个人的事情，”哈佛大学神经生物学教授 Sandeep Robert Datta 说道。（Datta 之前曾担任 Osmo 的名义顾问，但未参与这项新研究。）因此，任何与我们如何描述和标记气味相关的研究都必须附带一个警告，即我们对气味的感知以及气味之间的相互关系与我们的记忆和文化息息相关。他解释说，这使得很难说出什么是对气味的“最佳”描述。尽管如此，“嗅觉感知的共同方面几乎肯定是由化学驱动的，而这正是这张地图所捕捉到的。”

Datta 补充道，值得注意的是，这个团队并不是第一个或唯一一个使用计算机模型来研究化学和嗅觉之间关系的团队。还有其他神经网络和许多其他统计模型，它们都经过训练，可以将化学结构与气味相匹配。但他说，这种新人工智能制作了气味图，并能够预测新分子的气味，这一事实意义重大。

[相关：如何增强你的嗅觉和味觉]

加州大学河滨分校研究嗅觉的 Anandasankar Ray 在一封电子邮件中写道：“这种神经网络严格地研究化学结构和气味，但这并不能真正捕捉到化学物质和我们的嗅觉受体之间相互作用的复杂性。”他没有参与这项研究，但他在一封电子邮件中写道。在他的工作中，Ray 根据大约 400 个人类嗅觉受体中的哪个被激活来预测化合物的气味。我们知道，当化学物质附着在嗅觉受体上时，它们会发生反应，但科学家并不知道这些受体究竟向大脑传递了什么信息，也不知道大脑如何解释这些信号。他写道，重要的是在建立预测模型的同时要牢记生物学。

此外，为了真正了解该模型的通用性，Ray 指出，团队应该在更多与训练数据不同的数据集上测试他们的神经网络。但他补充说，在他们这样做之前，我们无法判断这个模型的广泛用途。

此外，神经网络没有考虑到我们对气味的感知会随着气味剂浓度的变化而变化。“一个很好的例子是猫尿中的一种成分 MMB；正是这种成分让猫尿发臭，”达塔说。“但在浓度非常低的情况下，它闻起来非常诱人，甚至很美味——它存在于一些咖啡和葡萄酒中。达塔补充说，看看未来的模型是否能考虑到这一点将会很有趣。

总体而言，需要注意的是，这个主要的气味图“并没有解释我们的鼻子如何筛选化学物质，以及我们的大脑如何找到一个描述符的神奇之处，”达塔说。“这仍然是一个深奥的谜。”但它可以促进实验，帮助我们探究大脑如何感知气味。

[相关：新面具为 VR 增添“逼真”气味]

Witschko 和他的同事们意识到了他们地图的其他局限性。“通过这个神经网络，我们每次只能预测一个分子。但你闻到的永远不是一个分子，而是分子的混合物，”Witschko 说。从一朵花到一杯早晨的咖啡，大多数“气味”实际上是许多不同气味的混合物。作者的下一步将是看看神经网络是否可以预测化学物质组合的气味。

最终，威尔奇科设想了一个气味可以像声音和视觉一样完全数字化的世界。他希望未来机器能够检测气味并描述它们，就像智能​​手机上的语音转文本功能一样。或者类似于我们可以要求智能音箱播放特定歌曲的方式，它们能够根据需要散发出特定的气味。但要实现这一愿景，还有很多工作要做。在谈到数字化气味的使命时，威尔奇科说：“这只是第一步。”