出品｜搜狐科技
作者｜郑松毅
近日，莫内尔化学感官中心和谷歌研究院衍生初创公司Osmo共同领导的科学家团队在《科学》发文称，机器学习模型在用语言描述化学品的气味方面已经达到人类水平，甚至高于部分人类个体的水平。这意味着，计算机或将拥有比人类更强的“嗅觉”能力。
莫内尔中心成员乔尔·梅兰德表示，“该模型解决了人类对嗅觉的科学理解中长期存在的差距，此次合作让世界距离将气味数字化、记录和再现又近了一步。”
据了解，该研究团队设计了一种神经网络系统，用来学习如何将分子气味的形象化描述与气味的分子结构相匹配。该模型使用行业数据集（果味、花香等）进行训练，其中包括5000种已知气味剂的分子结构和气味质量。数据输入是分子的形状，输出是对气味的描述词。通过训练，AI学了了气味分子结构和香气之间的关系。
为了验证该模型的有效性，由15名小组成员组成的团队随即与机器模型展开了比赛，每位小组成员被给予400种气味剂，其中包括大蒜、果味等，参与者被要求从给定的55个词汇（从“薄荷”到“霉味”）中选择合适的词汇来描述气味，并用从1到5的等级评价气味强度。
实验结果表明，机器学习模型对于气味描述的能力与人类给出的平均反应几乎一致，甚至更接近正确答案。具体来说，该模型在53%的测试分子中表现优于小组成员的平均水平。
梅兰德强调，“令人大开眼界的是，我们从未训练它学习气味强度，但它仍然可以做出准确的预测。”
除了可以识别训练数据中的气味分子结构，研究人员意外发现该模型还能够识别出其它不同结构的分子，同时表征了50万个潜在气味分子的各种气味特性，例如气味强度。
据悉，人类的嗅觉受体数量约为视觉受体的100倍，听觉受体的30倍以上。每种嗅觉受体都能识别不同的气味分子，这些嗅觉受体在鼻腔中的特定细胞上表达，帮助我们感知不同的气味。
然而，在嗅觉研究中，究竟是什么物理特性让空气传播的分子在大脑中产生气味，一直是个迷。
对于视觉和听觉，学界已有了完善的图谱将物理属性（如频率和波长）和感知属性（如音高和颜色）相关联。但嗅觉还没有这样的图谱。
如果计算机能够识别分子的形状，以及我们最终如何感知气味之间的关系，科学家就可以利用这一知识来加深对人类大脑和鼻子如何协同工作的理解。
让计算机拥有“嗅觉”能力可不仅仅是为了让它也能闻到榴莲、牛排的香气这么简单，机器对气味的分析能力对食品、医疗、以及化工等领域都有直接价值意义。
食品方面，除了能用计算机通过气味判断食品的新鲜程度，对食品味道合成及优化方面也有很大作用，帮助食品制造商生产出更符合消费者口味的食品。
医疗方面，计算机可以通过分析汗液气味、口腔气味，检测出人体代谢疾病等，从而进行疾病诊断。
在化工领域，计算机通过分析材料的气味，可以判断材料成分和纯度，检测并提高材料质量。
人工智能发展热潮下，大模型已经实现视觉和听觉能力，但似乎还没有“长出鼻子”掌握嗅觉能力。
每个物质分子的味道都是独特的，因此需要大量的样本才能训练出一个能够识别各种气味的大模型。这可能也是为什么大模型在实现嗅觉方面比较困难的原因。
说到底，我们自己对于嗅觉的理解也还不够深入。虽然我们已经能够通过化学分析解析出很多物质的分子结构，但是对于如何通过嗅觉感知这些分子，以及这种感知如何转化为神经信号，我们仍然知之甚少。
机器感知的边界究竟能否真正从视觉、听觉，扩展到嗅觉，值得业界共同探索和考证。
biggest sports bets
baccarat online real money usa
game baccarat online
发布于：北京市
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
