IBM利用AI算法扩展用来描述气味的词汇

编译：chux

出品：ATYUN订阅号

大多数人无法用正确的词语来描述他们闻到的气味。虽然人类可以辨别出一万亿种气味，但我们的词汇量有限。像“果味”或“麝香”这样的术语不仅不精确，而且还受到文化偏见的影响。与听觉，视觉，触觉等其他感官不同，我们很难将气味的通用术语达成一致。

IBM最近发表在Nature杂志上的研究报告提出了一种有希望的解决方案，可以扩大我们的嗅觉词汇量。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，将模糊的描述性词语转换成它们的分子等价物，反之亦然。

气味轮

研究人员将他们的发现概括在一个“气味轮”中，该气味轮采用最常用的英文单词来描述气味，并以关联顺序排列它们。例如，“香草”与“巧克力”和“焦糖”相邻。

“现在我们不需要在大量描述符中描绘出某种气味，”Cecci解释道，“从某种意义上说，它类似于色轮，我们现在可以在数学上确定细微差别或替代品。”

气味轮还表明，一些描述性词语比其他词语更好地转化为分子。用红色写的字，包括“汗”或“惨白的”，对于化学家来说是可以理解的，而那些用蓝色书写的，如“肥皂”或“纸板”，却意味模糊。

气味轮中的几个字，如“甲烷”和“氨”，颜色浅淡几乎看不清楚。令人困惑的是，这意味着它们落在光谱的中间，而不是它们不够清楚，比起马铃薯，我们更容易识别氨的气味，但在车轮上前者是浅色而后者是蓝色。

AI的作用

Cecci解释说，研究最终目标是提高人们谈论嗅觉的能力，这种能力部分已经消失，因为我们更喜欢消毒环境并倾向于消除令人不快的气味。就像机器学习用于扫描书籍或处理监视信息一样，IBM也使用它来扩展与嗅觉有关的语言能力。

IBM的突破性研究正在帮助解开人类嗅觉系统的奥秘，但还需要做更多的工作来创造一个普遍有用的气味轮。Cecci和合作者Pablo Meyer说，这项研究应该用其他语言进行，因为我们的观念总是受到文化因素的影响。

理论上，IBM的算法可以缩短创建实验室制造的香水和气味剂所涉及的通常繁重的制造过程。我们有限的词汇量使创造气味费力且昂贵。几个世纪以来，香水仍然主要是一种反复试验（或嗅探和试样）的努力，它需要数月才能达到理想的气味。

保健意义

医疗保健行业也可以从气味研究中受益。例如，更精确的气味词汇可以帮助医生更快地诊断神经退行性疾病。根据去年在美国老年病学会杂志上发表的一项研究，未通过简单嗅觉测试的成年人患痴呆症的可能性是普通人的两倍。

问题是围绕着气味的语言缺乏客观的成分，Cecci表示，“我们现在认为，鉴于我们基于AI的方法在语义上分析气味感知，我们将能够开发和发现可以指示疾病的特征。”