AI四小龙排队上市，AI嗅觉为何还没有独角兽？
文章插图
投稿来源：智能相对论
近日 ， 云从科技、旷视科技及依图科技等“AI四小龙”披露了上市文件 。 Microsoft、Google、百度、阿里、腾讯等科技巨头在AI视觉和AI语音中也具有非常大的声量 ， AI视觉与AI语音均成长为百亿级别的市场 。 相较之下 ， 同样作为感知研究的AI嗅觉研发似乎没那么“火热” ， 甚至有些“乏人问津” 。
《2020胡润全球独角兽榜》共586家公司中 ， 有63家公司从事人工智能研发 ， 总价值为1304亿美元 ， 绝大多数专注于自动驾驶和人脸识别技术 ， 并没有出现以人工智能嗅觉为主的公司 。 中国科学院发布的《全球人工智能企业TOP20榜单》中 ， 几乎全部都以计算机视觉技术、自然语言处理技术或自主无人技术为发展重心 ， 至今尚未出现AI嗅觉领域的独角兽公司 。
文章插图
近年才逐渐成熟的技术
技术是AI嗅觉领域难产独角兽的主要因素 。 在人工智能学习领域中 ， 嗅觉是最难以捉摸的感官 。 不同于有实体操作对象的图片识别 ， “虚无缥缈”的气味无法进行空间上的分类和界定 。 且化学分子的排列顺序变动都会对气味造成影响 ， 不易建立化学成分和气味香臭的关联 。 即使人工智能可以辨认分子的化学结构 ， 也难以准确辨别其气味 。
另外 ， 由于气味感受带有一定主观性 ， 不像黄色就是黄色=yellow ， 毫无争议 。 同一种气味可以形容为“甜腻”也能说是“香浓” ， 故气味识别也是一个多标签分类问题 。
看不见摸不着的东西本来就抽象 ， 加上难以描述 ， 气味本身的特殊性为气味数据的采集和分类建立了一道难以攻克的城墙 。 人工智能嗅觉研究起步原本就晚于AI视觉和语音 ， 技术上的困境让AI嗅觉研究更加迟缓、不受重视 ， 直至近年才逐渐“开花结果” 。
别闻了 ， 还是用看的吧
为了让气味更直观更形象 ， 研究者们脑洞一开 ， 让气味“看的见”不就好了?
“智能相对论”查询到 ， 由于现有基于视觉信息的学习算法无法直接用于训练AI识别气味 ， 一个由Google、加拿大高等研究院(Canadian Institute For Advanced Research ， 简称CIFAR)、矢量人工智能研究所、多伦多大学(University of Toronto)和亚利桑那州大学（University of Arizona）的科学家组成的研究团队将气味分子解释为图形 ， 让气味“可视化” 。
2019年 ， 他们发表了一篇名为《机器学习气味：学习小分子的通用感知表示》 (Machine Learning for Scent:Learning Generalizable Perceptual Representations of Small Molecules) 的论文 ， 提出利用图神经网络（Graph Neural Networks,GNNs） ， 以向量形式代表气味分子 ， 使人工智能将单个特定分子与其气味联系起来 。
这种训练方法和AI在视觉、听觉方面的深度学习异曲同工 ， 需要丰富的资料作为学习素材 。 具有神经网络的图形很适合用于气味关系的定量建模 ， 气味可以被标记为多个分类标签 。
除了预测气味 ， GNNs还能用仅有的数据对新提炼出的气味进行分类 ， 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 。 这项技术尚未真正落地 ， 研究团队还在探讨气味数字化方面的可能性 ， 希望能没有嗅觉的人提供解决方案 。
想不出原创 ， 那就抄昆虫的作业吧
相较于“大开脑洞”的气味分子图像化 ， 还有一部份科学家选择使用模仿昆虫脑部系统运作的神经网络深度学习算法来训练AI 。
比起繁复的视觉与听觉神经系统 ， 生物的嗅觉系统简单许多 。 气味信息仅由少数几层神经网络进行分析 ， 没有过多层级与复杂的神经网络结构 ， 可说是嗅觉识别系统的优势 。
推荐阅读
- “机器人妻子”上市遭抢购，是在解决刚需，还是在挑战伦理？
- Facebook智能眼镜有望2021年上市 AR叠加体验或缺席
- 百度网盘主体公司发生变更，市值翻倍正值拆分上市好时机？
- 紫米移动电源即将上市：支持小米120W快充
- 美国垄断95％以上市场，科技自主化的最大重点是这个领域
- ?优学天下带着学习机冲刺上市，智能教育硬件有多烧钱？
- 高通骁龙888首款手机小米11上市 全新体验的5G旗舰
- 苹果之后小米也不送充电器了
- 一加9“抢先”，全球首款上市骁龙888手机，售价19625元
- 诺基亚牌空调即将上市：无噪音运行，约 2741 元起