当AI学会了闻味儿，人类就能少工作70年

发布时间：2023-10-09 14:18:37 所属栏目：外闻来源：

导读：这个谷歌在2013年愚人节上线的搞怪项目，声称有一个包含1500万种味道的气味资料库，用户只需要在谷歌搜索框输入关键词，点击“闻一闻”，就能直接在电脑旁闻到该物体的味道，比如新车的味道，篝火的味道，

这个谷歌在2013年愚人节上线的搞怪项目，声称有一个包含1500万种味道的气味资料库，用户只需要在谷歌搜索框输入关键词，点击“闻一闻”，就能直接在电脑旁闻到该物体的味道，比如新车的味道，篝火的味道，以及埃及古墓的味道等等。

今年9月初的《科学》杂志刊登了一篇由初创公司Osmo和莫奈尔化学感官中心等多个研究团队共同发布的论文，其中称，AI模型可以让机器拥有比人类更好的“嗅觉”。

乍一听这简直太不可思议了，毕竟对大众来说，嗅觉是比视觉和听觉抽象得多的存在。RGB颜色图谱可以描述人眼看到的色彩，人耳听到的声音也可以转化为不同频率的波长，甚至让人感受到震动，但唯独消费者的嗅觉，根本看不见摸不着，更难以用一个量化的指标准确无误地描述。

我们知道，气味是人类嗅觉系统对散布于空气中的某些特定分子的感应。气味分子进入鼻孔后，会与鼻腔上方的嗅觉细胞产生反应，产生的生物电波再通过神经传到大脑，继而识别味道。

所以面对如此复杂的嗅觉机制，研究人员首先做的事情就是创建了一个机器学习模型——消息传递神经网络。

这是一种特定的图神经网络（GNN），因为图神经网络是一种基于图结构的深度学习方法，将传统的图分析引入，提供了对非规则数据提取特征的方法，因而也非常适合用来学习复杂的趣味特征。通过将分子的形状结构作为数据输入，模型因而得以准确无误地输出最接近的能清楚地描述某种气味的特征的对应气味类型的词。

为了使训练结果更准确，研究者同样用到了各种方法来优化模型参数。比如将GS-LF香精香料数据库按照8：2的比例划分为训练集和测试集，训练集被进一步划分为五个交叉验证的子集；以及使用贝叶斯优化算法对数据进行交叉验证，并对GNN模型的超参数进行优化等。

15位专家每人需要闻400种气味，研究者会给出55个气味形容词，让他们就每种气味对这55个选项用1-5分来打分，用来评定每个物品的气味感觉的形容词在多大程度上实质上适合于这个物品的气味。

这些预测事实上都不无道理。首先，机器确实可以帮助人类解决有时对气味辨别不准确的问题——研究表明，每个人对气味的感知程度都各不相同，会根据感觉和生理信号引发不同反应，其中也受到经验、期望、个性或情境因素的影响。

“气味图谱是我们实现更远大目标的基础。如果可以开发出能够复制我们鼻子或狗的鼻子的功能系统，我们就可以尽早发现疾病；人工智能也将帮助医生找到更有可能在临床上取得成功的药物，更好地帮助合成化学家和调香大师进行工作……我们未来的工作目标是，为全球改善人类健康和个体幸福指数奠定坚实的科学和先进的商业操作系统基础。”

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!