在气味描述方面，AI现在可以与人类鼻子相媲美了

为了帮助测试新的人工智能“鼻子”，德雷克塞尔大学的乔纳森·多伊奇花了几个小时嗅探和描述未知化学物质的气味

当乔纳森·多伊奇 (Jonathan Deutsch) 为科学目的嗅探 400 瓶未贴标签的液体时，他还不知道自己这次的对手是人工智能。作为一名在德雷克塞尔大学帮助食品开发的研究厨师，他很高兴有机会磨练自己的嗅觉。

多伊奇和其他 13 名志愿者生成的气味特征是对计算机程序的测试，该程序经过训练，可以仅使用化学结构来生成相同类型的描述，例如果味、清凉味、鱼味、松香味。

今天在《科学》杂志上报道的结果表明，该程序（即所谓的图形神经网络）在模仿人类嗅探器方面表现出色，至少在简单的气味方面是如此。它可靠地预测了志愿者闻到的气味，这是感官生物学家数十年来一直致力于的壮举。它还可以预测 500,000 种其他分子的气味，而无需制造或嗅闻它们。

尽管哥伦比亚大学的神经科学家斯图尔特·法尔斯坦（Stuart Firestein）没有参与这项工作，但是他依然兴奋的说道，这一结果对嗅觉研究来说是一个福音，这个领域“多年来一直在苦苦寻找这些信息”。在弗劳恩霍夫过程工程与包装研究所研究感知的神经生物学家安德烈亚斯·格拉斯坎普 (Andreas Grasskamp) 补充道，“这种方法具有巨大的潜力”，可以加快寻找气味更好的消费品。

这些发现还有助于将嗅觉研究确立为与视觉或视觉同等重要的领域。IBM 研究中心的物理学家巴勃罗-迈耶-罗哈斯（Pablo Meyer Rojas）说：”与其他哺乳动物相比，嗅觉在人类大脑中所占的比例较小，受体细胞的种类也较少，因此长期以来一直被认为是 “一种原始的感觉，不值得神经生物学家研究”。它也一直无法得到系统的研究。我们的视觉和听觉反映的是波长和频率等可量化的特性，而嗅觉却无法与分子的形状完全对应。结构相似的分子会产生不同的气味，而结构不同的分子则会产生相同的气味。

十年前，一场众包竞赛向研究人员发出挑战，要求他们使用人工智能 (AI) 从气味结构中预测气味。当被要求“闻”69 种化学物质时，获胜的算法可以从人们归因于这些样本的 19 种可能气味中挑出 8 种。但帮助组织这项挑战的莫内尔化学感官中心的神经科学家乔尔·梅兰德 (Joel MAInland) 表示，它无法根据样本气味的相似程度对样本进行分组。

人工智能公司 Osmo 的神经科学家里克-格尔金（Rick Gerkin）是优胜者之一。因为自比赛以来，用于训练人工智能 “嗅探器 “的特征明确的气味分子数量已经大大增加，他认为自己可以做得更好。在亚历山大-威尔奇科（Alexander Wiltschko）的帮助下，格尔金和同事们将5000种分子的结构和气味描述输入到一个更复杂的人工智能中。它学会了识别训练数据中的模式，将分子的气味与组成原子的特征–它们的身份、大小和连接键–联系起来。

接下来是测试，由梅恩兰德领导。迪茨克和他的志愿者同伴通过Zoom会议与Monell感官生物学家艾米丽·梅休合作，嗅探这400支神秘的小瓶，并报告他们在每支瓶子中检测到的55种气味中的哪一种。现在在密歇根州立大学工作的梅休指出，不同人之间对气味的感知差异很大。因此，研究小组计算了平均人类评分，以与神经网络的预测进行比较。在一半以上的情况下，神经网络甚至比小组中的任何个体都更接近这个平均值。“这是一个非常了不起的成就，”格拉斯坎普说。

接下来，研究小组生成了 50 万个假设的化学结构。该网络很快就推断出了它们的气味，从而提供了一个有助于寻找新食品、香水、清洁剂和其他产品气味的数据库。

尽管神经网络显示了将化学结构映射到气味是可能的，但它对气味的基础生物学知识没有提供多少启示。从基础研究的角度来看，“目前尚不清楚这是否是一项重要的发展，而不是一项渐进的发展，”弗雷德·哈钦森癌症研究中心的神经科学家琳达·巴克说。她补充说，神经网络仍然没有证明它能够评估分子混合物——我们在现实世界中遇到的复杂气味。

“现在的更前沿是分辨混合物” 格金表示，这是他未来希望教算法要做的事情。

文中提到的原版论文《AI excels at name that smell人工智能擅长描述气味》的中英文PDF请添加官方客服openai178，免费领取

文章转载自Science，作者Elizabeth Pennisi