智东西（公众号：zhidxcom）
编译 |  陈佳慧
编辑 |  徐珊

智东西9月2日消息，据Science报道，经过测试，在对简单气味的描述上，运用了GNN这一重要神经网络算法的AI软件能够只通过分析气体的化学结构就得到与人类差不多的结果，和人类的鼻子相媲美。

Science报道的研究结果显示，GNN在模仿人类嗅觉方面非常出色，它能较为可靠的预测志愿者闻到的气味，这样的结果是感官生物学家几十年来努力想要达到的目标，为嗅觉研究带来了福音，让研究人员可以使用GNN预测气味来加速创造出气味更好的消费产品，并且可以让嗅觉研究的重要性得到提升。

一、GNN预测简单气味能够媲美人类，为嗅觉研究带来新可能

作为一名在德雷克塞尔大学负责食品产品开发的研究厨师，Jonathan Deutsch很高兴有机会锻炼自己的嗅觉。当Jonathan Deutsch同意去闻400瓶没贴标签的液体进行科学研究时，他并不知道自己将与计算机展开竞争。实际上，Deutsch和其他13名志愿者闻出来的气味特征结果是对GNN进行测试的评价标准。GNN经过反复训练后，能够只通过分析化学结构就得出与人类相同的气味描述，如果味、清凉、腥味、松子味等。

Science报道的研究结果表明，在分析简单气味时，GNN模仿人类的嗅觉非常出色。GNN能较为可靠地预测志愿者闻到的气味，这正是感官生物学家几十年来一直努力想要达到的目标。GNN还能在不需要分析和嗅闻其它分子的情况下，预测出50万种其它分子的气味。

▲Science的报道（图源：Science官网）

哥伦比亚大学的神经科学家Stuart Firestein说：“这一结果为嗅觉研究带来了福音，这个领域多年来一直在苦苦收集分子的气味信息。”弗劳恩霍夫工艺工程与包装研究所（Fraunhofer Institute for Process Engineering and Packaging）中研究感知的神经生物学家Andreas Grasskamp补充说，“这种运用计算机程序预测气味的方法拥有巨大的开发潜力，可以加快创造气味更好的消费产品。”

运用GNN预测气味信息的发现还有助于将嗅觉研究确立为与视觉或视力研究同等重要的领域。IBM商业价值研究院的物理学家Pablo Meyer Rojas提到，与其他哺乳动物相比，嗅觉在人类大脑中所占的比例较小，受体细胞类型也较少，因此长期以来一直被认为是“一种不值得神经生物学家研究的原始感官”。

嗅觉还一直无法得到系统的研究。我们的视觉和听觉反映了波长和频率等可量化的特性，而嗅觉却无法与分子的形状完全对应，结构相似的分子可能会有不同的气味，而不同的分子却可能产生相同的气味。

二、AI算法经过10年训练小有所成，混合物评估是未来方向

10 年前，一项众包竞赛向研究人员发出挑战，要求他们利用AI分析气味的结构来预测是哪种气味。研究人员被要求用算法“闻”出69种化学物质的气味，最终竞赛中获得胜利的算法做到了从样本中找出 8 种气味，而人类给出的参考答案是19种。莫奈尔化学感官中心（Monell Chemical Senses Center）的神经科学家Joel Mainland说，虽然这个算法能找出一部分气味，但它无法根据气味的相似程度对气味样本进行分组。

AI公司Osmo的神经科学家Rick Gerkin是那次众包竞赛的获奖者之一。自从比赛以来，特征明确的、可以用来训练AI算法的 “嗅探器”的气味分子数量大大增加，因此Gerkin认为自己开发的AI算法现在可以做得更好。

Gerkin的一位同事Alexander Wiltschko之前是在谷歌的Google Research研究小组工作，在这位同事的帮助下，Gerkin和同事们将5000种分子的结构和气味描述输入到升级了的AI算法中。这个AI算法，也就是后来的GNN，学会了去识别训练数据中的分类模式，将分子的气味与其组成原子的特征，即它们的名称、大小和连接键，共同关联起来。

之后，Mainland带领其团队开始了一项测试。Deutsch和他的志愿者同事们，以及美国化学感官中心Monell的感觉生物学家Emily Mayhew一起参加Zoom会议，在会议中他们闻了400个气味瓶，并且报告他们在每个小瓶中闻到了55种气味中的哪一种。在密歇根州立大学工作的Mayhew认为，不同的人对气味的感知差别很大。因此，研究团队计算了人类闻到气味的平均结果，同时与GNN的预测进行比较，GNN在超过一半的情况中，比研究团队中的所有人都更接近人类的平均结果。Grasskamp觉得GNN能达到这样的效果，是一项巨大成就。

接下来，研究团队生成了50万种假设的化学结构。GNN很快就推断出了这些化学物质的气味，这为创造新的食品、香水、清洁剂和其他产品的气味提供了一个庞大的数据库。

尽管GNN的测试结果表明，将化学结构映射到气味是有可能实现的，但它对气味的基本生物学原理却没有什么启示。弗雷德·哈钦森癌症中心（Fred Hutchinson Cancer Center）的神经科学家Linda Buck就说过，“从基础研究的角度来看，目前还不清楚这是不是一项重大进展。GNN还不能证明它能够评估分子混合物，也就是我们在现实世界中遇到的复杂气味。”

Gerkin也同意Linda Buck的说法，认为现在AI嗅觉发展的前沿方向是实现对混合物的评估，他也希望在之后能够运用AI算法做到这个事情。

结语：AI的嗅觉发展有重大进展，但实现复杂功能道阻且长

10年前，众多研究人员就已经在尝试利用AI算法从气味的结构中预测气味。现在，在对简单气味的评估测试中，GNN已经能够做到描述得跟人类差不多了。

GNN达到现在的发展程度为嗅觉研究带来了福音，研究人员可以通过GNN预测气味来加速创造气味更好的产品，同时提升嗅觉研究在研究领域的重要性。但GNN目前还不能对混合物进行评估，这是它未来需要达到的目标，也是它发展路上的巨大挑战。

AI的嗅觉日后会发展到怎样的程度，我们将持续关注。

来源：Science