人类对如何使用AI分辨，描述和“看到”气味的实验一直是不少研究团队关注的热点。早在2017年，IBM就在《Nature》杂志上发表了一篇研究报告，由计算神经科学家Guillermo Cecci领导的研究人员使用AI创建一种算法，其中他们使用了一种叫做图卷积网络（GCN）的神经网络来预测分子结构基础上的气味强度和愉悦度。2020年，来自Weizmann Institute of Science和Hebrew University of Jerusalem的研究团队发表了一篇论文，其中他们使用了一种叫做变分自编码器（VAE）的神经网络来根据分子结构创造新的气味。
近日，顶刊《Science》发布了一篇由谷歌支持的嗅觉人工智能初创公司Osmo的研究人员创建的一种机器学习模型，可以通过分子准确描述化学物质的气味。在文章中详细阐述了谷歌研究人员利用一种称为图神经网络的深度学习算法，建立了一种模型，能够将化合物的结构映射到气味描述。该模型已成功预测人类小组如何描述新的气味，最终实现气味的数字化。
事实上几年前谷歌大脑研究小组的研究人员，就在致力于使用AI分辨气味：他们利用机器学习来指导机器人通过评估分子结构来准确地分类不同的气味。
在这个实验中，谷歌的工作人员使用了一个包含5000个分子的数据库进行训练，这些分子已经被香水制造商识别并贴上了不同的标签，如“辛辣的”或“青草气息的”。
研究人员将数据库的三分之二输入机器人的神经网络，然后用剩下的AI不熟悉的气味来测试人工智能，结果人工智能通过了测试。
几年后随着技术的不断进步，研究人员开始使用一种特定类型的图神经网络，即消息传递神经网络。它在一个香料行业数据集上进行训练，该数据集包含超过5000种分子，其结构转换为图形，并标记了专业的气味笔记。
据报道，研究人员认为，图神经网络的预测能力使得他们能够完成这项工作。该模型产生了一个空间表示，显示不同分子的气味描述符的相似性。该模型包含超过250个维度，比色彩的类似表示更为复杂。仅给定一种新分子的化学结构图形式，该模型就可以将其放置在映射中，从本质上预测气味可能的描述方式。研究人员称之为主要气味映射，这在嗅觉感官方面是前所未有的。
研究人员希望能够从本质上用分子形状来提示模型，并让它描述该分子的气味。为了验证模型的性能，研究人员将400种新分子的评估与一个15人小组的评级进行了比较，二者必须根据55个单词来描述它们。这些词包括薄荷、臭氧、大蒜和霉味等。值得一提的是参与者还接受了如何识别气味并选择最合适的描述词的培训。虽然最终模型的表现不是完美的，但53%的时间内，模型比中位小组成员更接近平均小组评估人工智能比任何小组成员都更准确地描述了气味，比平均参与者高出了53%。这意味用模型替换一个人类参与者，可能会得到更为精准的描述，也就是说人工智能还可以比人类更好、更准确地描述气味。
尽管取得了进展，但研究人员也意识到嗅觉的主观性和个体差异。此外，气味强度、多种基本气味分子的混合物和浓度、没有给定分子结构的真实世界气味的数字化、提高描述能力等方面还需要进一步研究。
总的来说，这项工作代表了一个重要的里程碑，首次建立了从化学结构到气味描述的映射。它为开发新的生产或分析气味的方式打下基础，可能导致各种新产品和技术的出现，例如医疗测试、治疗或假肢。但是，要实现像通过互联网共享气味这样的可能性，还需要做更多工作。
