现实版黑客帝国！AI能给气味编程了，想要啥味要啥味( 五 ) 想象一下

文章图片

▲在参观博物馆时闻到与展品对应的气味

文章图片

头部玩家的“数字嗅觉”大潮：“电子鼻”时代来了？

除了以上提到的两家专注于“数字嗅觉”业务的初创公司，谷歌、英特尔等头部玩家在近些年也开始踏足“数字嗅觉”领域。
1、谷歌团队使用神经图形网络识别、预测气味
人类的气味感知是激活400种不同类型嗅觉受体，其中的百万分之一的嗅觉感知神经元（OSN）将信号发送到嗅球，然后再发送到大脑中其他结构的结果。
一个由化学、生命科学和AI研究人员组成的团队，从去年开始就已经着手使用图形神经网络来识别气味分子并预测气味。
这项工作是由谷歌、加拿大高级研究学院、矢量人工智能研究所、多伦多大学和亚利桑那州大学的研究人员创建的，他们制造的模型在一项目的为“绘制化学特性，以预测受试者的行为反应”的“Dream嗅觉预测挑战赛”中表现得最好。
研究人员认为，分子识别的机器学习应用程序的进步，可以帮助人工智能像模仿视听觉一样预测气味。
这个团队的科学家在《arXiv》上发表的题为《机器学习气味：学习小分子的通用感知表示》的论文中写道，将原子视为节点，将化学键视为边缘，则可以将分子解释为图形。
类似于AI模仿视觉和听觉等其他感觉的方式，在这项研究中，气味小分子通过向量值的形式重复传递，最后将汇总代表整个分子的单个矢量作为已知分子的特征传递到网络中，因此无需手动操作就可以通过图形神经网络（GNN）实现直接预测单个分子的气味。

文章图片

文章图片

▲气味小分子的传递过程
除了预测气味描述之外，图形神经网络（GNN）还可以用于其他嗅觉任务，比如用仅有的数据对新提炼出的气味进行分类。
就像从色彩中提炼出“三原色” ，具有神经网络的图形是将气味关系定量建模的一种合适的方法，在这方面，气味可以被标记为多个分类标签，研究人员称之为“气味嵌入” 。
小气味分子是香精的最基本组成部分，因此也代表了气味预测问题最简单的形式。但是每个分子可以用多种气味来描述，比如香兰素的味道可以被描述成甜味、香草味、奶油味和巧克力味。因为一些事物的某些气味成分比另一些更多，因此气味预测也是一个多标签分类的问题。
嗅觉深度学习的进展将会有助于发现新的合成增香剂，从而减少从天然作物中提取香料而造成的生态影响。
此外，经过气味识别任务训练的模型衍生分子的新形式，还可能有助于加强人类大脑中对一些事物的感知理解。