不知道有多少人還記得Google Nose。

這個谷歌在 2013 年愚人節(jié)上線的搞怪項(xiàng)目聲稱有一個包含 1500 萬種味道的氣味資料庫，用戶只需要在谷歌搜索框輸入關(guān)鍵詞，點(diǎn)擊“聞一聞”，就能直接在電腦旁聞到該物體的味道，比如新車的味道，篝火的味道，以及埃及古墓的味道（？）等等。

就是這個十年前離譜但腦洞大開的玩笑，正在被它的發(fā)明者部分變成現(xiàn)實(shí)。

今年 9 月初的《科學(xué)》雜志刊登了一篇由初創(chuàng)公司Osmo（從谷歌分拆）和莫奈爾化學(xué)感官中心（Monell Chemical Senses Center）等多個研究團(tuán)隊(duì)共同發(fā)布的論文，其中稱，AI模型可以讓機(jī)器擁有比人類更好的“嗅覺”。

乍一聽這簡直太不可思議了，畢竟對大眾來說，嗅覺是比視覺和聽覺抽象得多的存在。RGB顏色圖譜可以描述人眼看到的色彩，人耳聽到的聲音也可以轉(zhuǎn)化為不同頻率的波長，甚至讓人感受到震動，但唯獨(dú)嗅覺，看不見摸不著，更難以用量化的指標(biāo)描述。

換句話說，把氣味數(shù)字化聽起來就是件不可能的事。

而這篇論文的研究人員核心要做的，正是去試圖創(chuàng)建一個能夠如實(shí)反映氣味特征的人類嗅覺高維圖譜，即POM（Principle Odor Map）。

那么具體是怎么做的呢？

我們知道，氣味是人類嗅覺系統(tǒng)對散布于空氣中的某些特定分子的感應(yīng)。氣味分子進(jìn)入鼻孔后，會與鼻腔上方的嗅覺細(xì)胞產(chǎn)生（受體）反應(yīng)，產(chǎn)生的生物電波再通過神經(jīng)傳到大腦，繼而識別味道。

而氣味的構(gòu)成實(shí)際要比色彩、聲音復(fù)雜得多，有數(shù)以百萬計的不同種類，每種氣味又都由數(shù)百個化學(xué)分子組成，其性質(zhì)各不相同。與之相應(yīng)地，人類的功能性嗅覺受體有大約 400 個，遠(yuǎn)遠(yuǎn)超過了我們用于視覺的 4 個，以及用于味覺的約 40 個。

所以面對如此復(fù)雜的嗅覺機(jī)制，研究人員首先做的事情就是創(chuàng)建了一個機(jī)器學(xué)習(xí)模型——消息傳遞神經(jīng)網(wǎng)絡(luò)（MPNN）。

這是一種特定的圖神經(jīng)網(wǎng)絡(luò)（GNN），因?yàn)閳D神經(jīng)網(wǎng)絡(luò)是一種基于圖結(jié)構(gòu)的深度學(xué)習(xí)方法，將傳統(tǒng)的圖分析引入，提供了對非規(guī)則數(shù)據(jù)提取特征的方法，因而也非常適合用來學(xué)習(xí)復(fù)雜的氣味特征。

模型搭好之后，接下來就要喂給它學(xué)習(xí)材料。

研究人員結(jié)合了Good Scents and Leffingwell & Associates（GS-LF）香精香料數(shù)據(jù)庫，建立了一個包含約 5000 個分子的參考數(shù)據(jù)集作為訓(xùn)練基礎(chǔ)素材，每個分子可以有多個氣味標(biāo)簽，比如果味、花香、芝士味和薄荷味等等。

GS-LF數(shù)據(jù)庫中的部分分子

通過將分子的形狀結(jié)構(gòu)作為數(shù)據(jù)輸入，模型得以輸出最能描述某種氣味的對應(yīng)氣味詞。

為了使訓(xùn)練結(jié)果更準(zhǔn)確，研究者同樣用到了各種方法來優(yōu)化模型參數(shù)。比如將GS-LF香精香料數(shù)據(jù)庫按照8： 2 的比例劃分為訓(xùn)練集和測試集，訓(xùn)練集被進(jìn)一步劃分為五個交叉驗(yàn)證的子集；以及使用貝葉斯優(yōu)化算法對數(shù)據(jù)進(jìn)行交叉驗(yàn)證，并對GNN模型的超參數(shù)進(jìn)行優(yōu)化等。

實(shí)驗(yàn)最終將形成如下的嗅覺高維圖譜POM（局部）：

這張圖直觀表示了每種氣味的感知距離，比如花香（floral）、肉味（meaty）和酒香（ethereal）幾個大類彼此間是存在較大感知距離的；但每個大類下包括的更具體的氣味，比如花香下的百合花香（muguet）、薰衣草香（lavender）和茉莉花香（jasmine），感知距離則較為接近。

論文將POM和此前有過研究先例的基于摩根指紋的氣味空間圖（Morgan fingerprint-based maps）進(jìn)行了對比，發(fā)現(xiàn)后者尚無法體現(xiàn)上述感知距離：

為了進(jìn)一步驗(yàn)證模型訓(xùn)練效果，研究者接著找來了 15 位氣味專家，來和模型比拼誰識別氣味更準(zhǔn)確。

15 位專家每人需要聞 400 種氣味，研究者會給出 55 個氣味形容詞，讓他們就每種氣味對這 55 個選項(xiàng)用1- 5 分來打分，評定每個氣味形容詞在多大程度上適合于這個氣味。

結(jié)果發(fā)現(xiàn)，對于其中53%的測試分子，模型的表現(xiàn)都優(yōu)于小組成員的平均值。

研究者還將模型的預(yù)測結(jié)果按氣味描述詞進(jìn)行了分類，發(fā)現(xiàn)除麝香外，模型對分子氣味的預(yù)測結(jié)果均在人類組的誤差分布中，且在 30 個氣味描述詞的預(yù)測結(jié)果中優(yōu)于人類組中位數(shù)：

后續(xù)，研究者還對模型的性能進(jìn)行了反復(fù)驗(yàn)證，獲得了較為穩(wěn)定的分子結(jié)構(gòu)-氣味關(guān)系。

下面就進(jìn)入到了最激動人心的氣味圖譜大規(guī)模繪制環(huán)節(jié)，并最終得到了下面這張圖：

你可以把上文那個表示氣味感知距離的坐標(biāo)圖理解成是這張圖的無限放大版。論文提到，這張圖中包含了約 50 萬種氣味分子，當(dāng)中甚至有許多還沒有被發(fā)現(xiàn)或合成出來（但確實(shí)能計算出來）。

做個更直觀的比較，如果讓一名訓(xùn)練有素的人類評價員尋找這些氣味，大概需要連續(xù)工作 70 年才可以全部收集到。

看起來，這篇論文著實(shí)是完成了一件大事。

這時就有網(wǎng)友發(fā)問了，機(jī)器為什么需要聞氣味呢？

其他人也紛紛給出了自己的見解，比如認(rèn)為可以用于工廠污水處理的質(zhì)量控制，進(jìn)行爆炸物、毒品或是尸體的嗅探等等：

這樣一來警犬和搜救犬可能要下班了

有人希望可以據(jù)此研發(fā)出一款好的除臭劑，因?yàn)槿嗽谶M(jìn)行大量有氧運(yùn)動比如跑步或舉重后會散發(fā)出不好的氣味：

也有人對這一研究成果在醫(yī)療方面的應(yīng)用很感興趣，比如可以用來開發(fā)嗅覺喪失癥的新療法，或者通過氣味檢測疾病等等：

還有香水行業(yè)的從業(yè)者覺得這幫了自己大忙，“讓它告訴我的同事什么時候他們噴了太多古龍水”：

這些預(yù)測事實(shí)上都不無道理。首先機(jī)器確實(shí)可以幫人類解決有時對氣味辨別不準(zhǔn)確的問題——研究表明，每個人對氣味的感知程度都各不相同，會根據(jù)感覺和生理信號引發(fā)不同反應(yīng)，其中也受到經(jīng)驗(yàn)、期望、個性或情境因素的影響。

而氣味某些時候?qū)θ藖碚f又十分重要。

不好的氣味就不用說了，某些有害氣體還可能會危害健康，這時如果可以有機(jī)器代替某些特定職業(yè)幫助人類或動物作業(yè)就再好不過。

而對另一些氣味可以為之帶來好處的職業(yè)，比如調(diào)香師、廚師、設(shè)計師、藝術(shù)家和建筑師等等，也有調(diào)配出更具功能性的氣味的需要。一些場合會將氣味應(yīng)用在環(huán)境中，比如紐約Sloan-Kettering癌癥中心會在空氣中散布香草油，以降低患者對于磁共振成像（MRI）測試的幽閉恐懼癥；芝加哥期貨交易也會散布特定的香味以降低交易大廳的噪音分貝。

還有研究表明，人類大多數(shù)與氣味有關(guān)的記憶都來自嬰兒及幼兒時期的最初十年，而語言和視覺所產(chǎn)生的記憶通常在10- 30 歲之間產(chǎn)生。這部分解釋了氣味可以喚起人遙遠(yuǎn)的回憶，而且透過氣味所引起的回憶，經(jīng)常比視覺或聽覺所引起的回憶，更加情緒傾向。

所以氣味和人類的聯(lián)系還是非常緊密的，只是我們在很多時候并不容易察覺。

網(wǎng)友們的猜想也在論文的作者之一、來自O(shè)smo公司的Alex Wiltschko那里得到了驗(yàn)證。他在發(fā)布在Osmo官網(wǎng)的一篇文章中寫道，

不過他也表示，論文依然存在諸多不足。

比如，無法體現(xiàn)分子氣味的濃淡，只能預(yù)測它聞起來是什么樣；只對單個分子氣味進(jìn)行了預(yù)測，現(xiàn)實(shí)生活中更多卻是混合氣味；而即便是所有的能力都達(dá)到了，對氣味的復(fù)制和還原也將是很大的挑戰(zhàn)等等。

最后，說了這么多，有一個網(wǎng)友的評論倒是很樸實(shí)，“我覺得這會讓品酒失去樂趣”：