人類對如何使用AI分辨，描述和「看到」氣味的實驗一直是不少研究團隊關注的熱點。早在2017年，IBM就在《Nature》雜誌上發表了一篇研究報告，由計算神經科學家Guillermo Cecci領導的研究人員使用AI創建一種算法，其中他們使用了一種叫做圖卷積網路（GCN）的神經網路來預測分子結構基礎上的氣味強度和愉悅度。2020年，來自Weizmann Institute of Science和Hebrew University of Jerusalem的研究團隊發表了一篇論文，其中他們使用了一種叫做變分自編碼器（VAE）的神經網路來根據分子結構創造新的氣味。
近日，頂刊《Science》發布了一篇由谷歌支持的嗅覺人工智慧初創公司Osmo的研究人員創建的一種機器學習模型，可以通過分子準確描述化學物質的氣味。在文章中詳細闡述了谷歌研究人員利用一種稱為圖神經網路的深度學習算法，建立了一種模型，能夠將化合物的結構映射到氣味描述。該模型已成功預測人類小組如何描述新的氣味，最終實現氣味的數字化。
事實上幾年前谷歌大腦研究小組的研究人員，就在致力於使用AI分辨氣味：他們利用機器學習來指導機器人通過評估分子結構來準確地分類不同的氣味。
在這個實驗中，谷歌的工作人員使用了一個包含5000個分子的資料庫進行訓練，這些分子已經被香水製造商識別並貼上了不同的標籤，如「辛辣的」或「青草氣息的」。
研究人員將資料庫的三分之二輸入機器人的神經網路，然後用剩下的AI不熟悉的氣味來測試人工智慧，結果人工智慧通過了測試。
幾年後隨著技術的不斷進步，研究人員開始使用一種特定類型的圖神經網路，即消息傳遞神經網路。它在一個香料行業數據集上進行訓練，該數據集包含超過5000種分子，其結構轉換為圖形，並標記了專業的氣味筆記。
據報道，研究人員認為，圖神經網路的預測能力使得他們能夠完成這項工作。該模型產生了一個空間表示，顯示不同分子的氣味描述符的相似性。該模型包含超過250個維度，比色彩的類似表示更為複雜。僅給定一種新分子的化學結構圖形式，該模型就可以將其放置在映射中，從本質上預測氣味可能的描述方式。研究人員稱之為主要氣味映射，這在嗅覺感官方面是前所未有的。
研究人員希望能夠從本質上用分子形狀來提示模型，並讓它描述該分子的氣味。為了驗證模型的性能，研究人員將400種新分子的評估與一個15人小組的評級進行了比較，二者必須根據55個單詞來描述它們。這些詞包括薄荷、臭氧、大蒜和霉味等。值得一提的是參與者還接受了如何識彆氣味並選擇最合適的描述詞的培訓。雖然最終模型的表現不是完美的，但53%的時間內，模型比中位小組成員更接近平均小組評估人工智慧比任何小組成員都更準確地描述了氣味，比平均參與者高出了53%。這意味用模型替換一個人類參與者，可能會得到更為精準的描述，也就是說人工智慧還可以比人類更好、更準確地描述氣味。
儘管取得了進展，但研究人員也意識到嗅覺的主觀性和個體差異。此外，氣味強度、多種基本氣味分子的混合物和濃度、沒有給定分子結構的真實世界氣味的數字化、提高描述能力等方面還需要進一步研究。
總的來說，這項工作代表了一個重要的里程碑，首次建立了從化學結構到氣味描述的映射。它為開發新的生產或分析氣味的方式打下基礎，可能導致各種新產品和技術的出現，例如醫療測試、治療或假肢。但是，要實現像通過網際網路共享氣味這樣的可能性，還需要做更多工作。
