人工智能是好鼻師

文 / 曾子固
人工智能系統可以簡單地通過分析化合物的分子結構來描述化合物的氣味，並且其描述通常與訓練有素的人類嗅探器的描述相似。薩拉·里爾登Sara Reardon發表在最新一期《自然》(Nature)的<人工智能從其結構中預測化學品的氣味>( AI predicts chemicals’ smells from their structures)指出，「神經網絡可以為多種分子提供描述，例如『草』，包括一些自然界中不存在的分子。」(Neural network can provide descriptions, such as ‘grassy’, for a wide variety of molecules, including some that don’t exist in nature.)
一名年輕女子在法國國家科學研究中心進行嗅覺測試時聞到一小瓶香水的味道。人被教導如何描述特定氣味的人類往往不如新開發的人工智能工具那麼精確。
設計該系統的研究人員用它來列出與數百種化學結構相對應的氣味，例如「果味」或「青草味」。這本氣味指南可以幫助研究人員設計新的合成氣味，並可能提供有關人腦如何解釋氣味的見解。這項研究發表在《科學》雜誌上。
氣味是唯一一種直接從感覺器官（鼻子）傳遞到大腦的記憶和情感中心的感覺信息。其他類型的感覺輸入首先通過其他大腦區域。這種直接途徑解釋了為什麼氣味可以喚起特定的、強烈的記憶。
「嗅覺有一些特別之處，」神經生物學家亞歷山大·維爾奇科說。他的初創公司 Osmo 位於馬薩諸塞州劍橋市，是從谷歌研究院分拆出來的公司，該公司正試圖設計新的有臭味的分子或氣味劑。
「整個蛋白質宇宙」：人工智能預測幾乎所有已知蛋白質的形狀
為了探索化學物質的結構與其氣味之間的關聯，Wiltschko 和他在Osmo 的團隊設計了一種稱為神經網絡的人工智能(AI) 系統，該系統可以分配55 個描述性詞語中的一個或多個，例如魚腥味或酒味。一種氣味劑。該團隊指示人工智能描述大約 5,000 種氣味劑的香氣。人工智能還分析了每種氣味的化學結構，以確定結構與香氣之間的關係。
該系統識別出化學品結構中的特定模式與特定氣味之間的大約 250 種相關性。研究人員將這些相關性組合成主要氣味圖（POM），當人工智能被要求預測新分子的氣味時，可以參考該圖。
為了測試 POM 與人類鼻子的對比，研究人員訓練了 15 名志願者，將特定的氣味與人工智能使用的同一組描述性詞語聯繫起來。接下來，作者收集了數百種自然界中不存在但人們足夠熟悉、可以描述的氣味劑。他們要求人類誌願者描述其中 323 個分子，並要求人工智能根據每個新分子的化學結構來預測其氣味。人工智能的猜測往往非常接近人類給出的平均反應——通常比任何個人的猜測更接近。
「使用機器學習是一個很大的進步，」紐約市哥倫比亞大學的神經科學家 Stuart Firestein 說。他說，例如，POM 可以成為食品和清潔產品行業的有用參考工具。但 Firestein 指出，POM 並沒有揭示太多關於人類嗅覺背後的生物學知識——例如，不同的分子如何與人類鼻子中大約 350 個氣味受體相互作用。「他們有化學部分和大腦部分，但我們對中間部分一無所知，」他說。
我們聞起來怎麼樣？人類氣味受體的第一個 3D 結構提供了線索。
紐約約克敦高地 IBM 計算健康中心的系統生物學家 Pablo Meyer 讚揚了該論文使用語言將結構與主觀氣味聯繫起來的做法。但他不同意人類答案的平均值是描述氣味的「正確」方式。「氣味是個人的東西，」他說。「我認為對某件事沒有正確的看法。」
威爾奇科說，下一步是找出氣味劑如何結合併相互競爭，以產生人腦所解釋的與每種氣味劑完全不同的氣味。Meyer 和 Firestein 表示，這將非常困難：僅將 100 個分子以 10 個不同的組合混合就會產生 17 萬億種變化，而可能的組合數量很快就會變得太多，計算機無法分析。
但這就是人類實際聞氣味的方式，菲爾斯坦說。即使是一種特定的氣味，例如咖啡，也含有數百種有氣味的化學物質。「預測混合氣味是下一個前沿領域，」Wiltschko 說。