人工智能正在破解一个难题——让计算机拥有嗅觉
一百多年前，亚历山大·格雷厄姆·贝尔向《国家地理》的读者发出了一个大胆的挑战：“建立一门新科学。”他指出，当时已经有了基于声音和光的测量科学，但气味科学仍是一个空白领域。如今，随着科技的进步，机器嗅觉（也称为“数字化嗅觉”）终于开始实现贝尔的梦想。
人类嗅觉的复杂性
要理解机器嗅觉，我们首先需要了解人类嗅觉的复杂性。人类视觉主要依赖于视网膜中的两种受体细胞——视杆细胞和视锥细胞。而嗅觉则更为复杂，我们通过鼻子中的大约400种受体细胞感知气味。这些受体细胞能够检测空气中的各种分子，并将这些信息传递给大脑，形成我们所感知到的气味。
机器嗅觉的原理
机器嗅觉的研究始于开发传感器，用来检测和识别空气中的分子。这些传感器类似于人类鼻子的受体，能够捕捉气味分子。然而，单单检测分子并不足以对人类有用。为了让机器嗅觉真正发挥作用，我们需要知道这些分子或分子组合对人类来说是什么味道。这里就需要用到机器学习。
机器学习与气味
机器学习，特别是深度学习，是语音助手和面部识别技术背后的关键技术。同样，它也是数字化气味的重要工具。通过机器学习，计算机可以学习如何将气味分子的分子结构映射到文本描述符上，比如“甜”、“花香”或“水果味”。这涉及到大量的数据集，因为机器学习模型需要大量的样本来进行训练。
数据匮乏的挑战
与音频、图像和视频数据不同，气味数据长期以来一直稀缺。许多人无法像描述视觉和声音那样轻松地用语言描述气味，这使得气味数据集的收集变得困难。然而，2015年的DREAM嗅觉预测挑战赛改变了这一情况。该比赛公布了研究嗅觉的生物学家Andreas Keller和Leslie Vosshall收集的数据，并邀请全球的团队提交他们的机器学习模型，这些模型需要根据分子结构预测气味标签。
研究进展
在DREAM挑战赛中，表现最佳的模型使用了一种经典的机器学习技术——随机森林。这种技术结合了多个决策树的输出，最终在2017年发表在《科学》杂志上。DREAM挑战赛之后，机器嗅觉研究开始取得进展。尤其是在COVID-19疫情期间，许多人报告了嗅觉丧失的症状，使得嗅觉研究受到了更多关注。
深度学习的突破
到2019年，气味数据集的规模从DREAM挑战赛中的不到500个分子增加到约5000个分子。这使得Google的研究团队能够将深度学习技术应用到机器嗅觉中。他们的模型基于一种称为图神经网络的深度学习方法，取得了最先进的成果。这些模型能够创建一个“主要气味图”，其中感知相似的气味彼此之间的距离比不相似的气味更近。获取更多有价值信息 访问：https://byteclicks.com
应用前景
机器嗅觉的进展不仅在智力上令人兴奋，而且具有广泛的应用前景。个性化香水和香料的开发、更好的驱虫剂、新型化学传感器、疾病的早期检测以及更逼真的增强现实体验都可能受益于这一技术。机器嗅觉的未来充满希望，它不仅能让计算机“闻到”气味，还能带来许多意想不到的应用。获取更多有价值信息 访问：https://byteclicks.com
从贝尔的梦想到今天的科技进步，机器嗅觉正逐步成为现实。它不仅为我们打开了新的科学领域，还为我们的生活带来了许多潜在的改变。相信在不久的将来，机器嗅觉将会在各个领域发挥重要作用，为我们打造一个更加智能和便利的世界。
