数据之香：人工智能征服嗅觉

人工智能正在数字化我们最后一个感官：嗅觉。研究人员已经训练出能够将未知分子的化学结构转化为文本描述（“果香”、“木质”）的算法，其准确度可与人类鼻子相媲美。与此同时，香水巨头已经在使用人工智能助手来探索前所未有的香调组合，并使用机器人在几秒钟内混合样品。算法缩短了时间和减少了失败，提出统计上完美的组合，但面对一个不可逾

在巴黎一家著名香水品牌的实验室里，一位专业“鼻子”不再盯着一面玻璃小瓶墙，而是盯着电脑屏幕。在他面前，一个算法向他建议，一种从未测试过的特定分子组合将产生一款带有檀木、黑胡椒和意想不到的咸味基调的香水。直到十年前，发现那种组合还需要数月的反复试验。如今，人工智能（AI）承诺将数字化我们所拥有的最难以捉摸、最主观、最原始的感觉：嗅觉。

算法进入调香艺术正在重新定义化学创造力这一概念本身。但在数学预测与一款香氛在人类皮肤上所唤起的情感之间，存在着一道机器尚未填补的复杂性鸿沟。

在这篇为场景与思考专栏撰写的深度报道中，我们将描绘这场无形革命的地图。我们将了解AI如何能够将分子结构转化为文字，商业系统如何已经在配方过程中协助调香师，最重要的是，我们将探索一项技术的不可逾越的局限——无论它多么先进，它永远无法像我们那样“闻”世界。

1. 气味主地图：将分子转化为文字

人工嗅觉的根本问题在于其内在的非线性。如果说在视觉中我们可以将颜色映射到波长光谱上，那么对于气味而言，不存在简单的化学规则。结构几乎相同的分子可能具有截然不同的气味（例如，花香与尿味），而结构相反的分子可能产生相同的嗅觉感知。

为了解决这个难题，莫内尔化学感官中心和初创公司Osmo的研究人员迈出了历史性的一步，该成果发表于《科学》杂志上的一项研究（“气味主地图统一了人类嗅觉感知中的多种任务”）[1838]。该团队在一个约5000个气味分子的数据库上训练了一个神经网络，这些分子与专家提供的语言描述相关联（如“果香”、“木质”、“草本”）。

其结果是一张“气味主地图”（Principal Odor Map）。在对数百个模型完全陌生的分子进行测试时，AI能够以惊人的准确度预测其嗅觉描述符。在超过50%的情况下，机器的预测比单个个体的判断更接近人类评估的平均值。

这项研究，以及PMC上综述中分析的其他类似研究（“分子气味预测中机器学习模型的比较研究”），证明了一个革命性原理：AI已经学会了将分子的复杂几何结构与人类用语言描述的感知相关联[1817]。

2. 鼻子的助手：Philyra和Carto在商业实践中的应用

当基础科学在绘制单个分子的地图时，香水行业已经在利用AI来编排完整的配方，大幅缩短开发时间（上市时间）。机器并不取代调香师，而是放大其探索未知领域的能力。

最著名的例子是Philyra，这是由香精公司Symrise与IBM Research合作开发的基于人工智能的助手[1827]。Philyra接受了数百万历史配方、人口统计数据、销售趋势和原材料物理信息的训练。当给它一个目标人群（例如“对清新香氛感兴趣的巴西千禧一代”）时，AI会提出组合和调和方案，通常会建议人类调香师认为反直觉的剂量或成分，自2019年以来成功推出了多款在全球市场上发布的香氛。

人机集成的另一个例子是Carto，这是瑞士巨头奇华顿推出的工具[1826]。Carto呈现为一块大型触摸屏，调香师可以在上面以视觉方式组织原材料来构建自己的想法。一旦配方确定，一个集成机器人就会立即生产测试样品，消除实验中的等待时间。在所有这些工业案例中，公司都指明了一个不可放弃的要点：人类“鼻子”始终处于创造过程的核心。AI提出建议并加速；人类做出选择并完善。

3. 算法的局限：感知无法计算

然而，预测一种化合物会被关联到“带有矿物气息的绿色和柑橘调”是一个统计学问题；保证一个人在闻它时会感到愉悦或厌恶则是一个生物学谜题。

正如《人工智能评论》上发表的一篇综合综述（“人工智能在嗅觉和味觉方面的进展”）所指出，这项技术的局限是结构性的，并且与我们的生理学深度相关[1810]。

人工智能分析的是孤立分子的化学潜力，但在真实的调香中，感知取决于算法无法捕捉的变量：

• 混合效应： 浓度会剧烈改变气味（低剂量时闻起来像茉莉的分子在浓缩后可能闻起来像腐烂物），而与同一瓶中其他数百种香调的相互作用会产生无法先验计算的效果。
• 基因主观性： 我们每个人大约有400个嗅觉受体，但个体之间存在数百万种基因变异（多态性）。一个对我来说像麝香的分子，对另一个人来说可能无味（特异性嗅觉缺失）或令人不快。
• 皮肤的化学： 调香师的杰作只有在人类皮肤上加热时才会焕发生命，与佩戴者的pH值、饮食和汗液混合，将完美的配方转化为独特且不可重复的体验。

结论：人类综合的韧性魔力

人工智能并没有在扼杀调香业，而是在将其从随机尝试的重负中解放出来。如果调香师在寻找一种“陈年皮革和香料香草”的香调，他不再需要手动测试一千个小瓶；系统会向他建议十种统计上最有可能成功的分子，甚至提出混合它们的配方，并通过机械臂提取实物样品。

然而，到了那一步，计算就停止了。必须有人闭上眼睛，将那液体喷在纸条（闻香纸）上，然后闻它。他必须判断那种原子组合——统计上完美——是否能够唤起童年记忆、诱惑、安慰或惊喜。AI可以预测“数据的气味”，但除非机器拥有记忆、皮肤和心脏，将气味转化为情感的炼金术将始终是专属于人类的奇迹。

参考文献与来源

• A Principal Odor Map Unifies Diverse Tasks in Human Olfactory Perception — Science [1838]
• A comparative study of machine learning models on molecular odor prediction — PMC [1817]
• Advances in artificial intelligence for olfaction and gustation: a comprehensive review — Artificial Intelligence Review [1810]
• Philyra — Symrise / IBM Research [1827]
• Givaudan launches Carto, its AI-powered tool for perfumers — Givaudan [1826]

文章由La Bussola dell’IA编辑部撰写