ai绘制鼻子人物「AI有鼻子了，还能远程传输气味，图像生成香水」

声明：本文来自于微信公众号机器之心，授权转载发布。

众所周知，图像、音乐能用 AI 生成，但出乎意料的是，气味也行。

最近，一个名叫 Osmo 的初创公司宣布，他们成功地将气味数字化了。第一个成功的案例是新鲜的夏季李子，而且复现出的味道闻起来很不错。整个过程依靠 AI 技术来完成，不需要人工干预。有了这项技术，你就可以像下载音乐一样下载香水了。

这个发帖的 Alex Wiltschko 是 Osmo 的 CEO 和联合创始人。将气味数字化进而生成气味最初只是他在谷歌工作期间的一个研究项目。但在2022年，他在 Lux Capital 和谷歌风投的支持下，将其作为一家独立的初创公司推出。

我一直热衷于了解气味。它是一种非常强大的情绪感官，但我们对它却知之甚少Wiltschko 在接受 CNBC 采访时说。

在复刻出李子的香味后，Wiltschko 非常激动，带着这个香味去了很多地方。

至于这项研究的用途，Osmo 的官方说法是改善人类的健康和幸福，因为嗅觉数字化对帮助医疗人员检测、治疗疾病至关重要。比如，医生可以用气味来触发患者记忆或减轻焦虑。

此外，它还有可能在 VR 游戏、电影中发挥作用，增加 VR 设备的沉浸感。

或者，你还可以用这项技术来留住亲人的气味，但按月付费就有点讽刺了。

当然，这些都是长期愿景。在近期，Wiltschko 希望 Osmo 能制造出更安全、更可持续的香味分子，用于香水、洗发水、驱虫剂和洗衣粉等日常用品中的香料。

，时长00:59

用数千个香气分子训练 AI 模型

Osmo 的官网上简单列出了他们的研发历史:

0. 在 Osmo 建立之前，Alex Wiltschko 在谷歌研究院领导着这个团队，他们使用先进的机器学习技术构建了 Osmo 气味映射图的基础。

1. 取得了一项重大突破，可使用图神经网络根据分子结构预测其气味。

2. 创造了以前从未闻过的新分子并以超越人类的准确度进行了预测。

3. 设计出了蚊子觉得难闻的气味分子（例如驱虫剂），并且在人体试验中比避蚊胺(DEET)更有效。

而要更具体地了解 Osmo 的研发历程，我们还要从 Wiltschko 的早期经历说起。

Wiltschko2009年在密歇根大学获得了神经科学学士学位，并在哈佛大学学习嗅觉神经科学，于2016年获得博士学位。

第二年，他成为谷歌研究院的一名研究科学家，在那里，他花了五年时间领导一个团队，利用机器学习帮助计算机根据分子结构预测不同分子的气味，并使用机器学习软件开发了 主要气味映射图（principal odor map/POM）。

这项研究发表在2023年9月的《科学》杂志上。据介绍，POM 坐标可以用于预测气味强度和感知相似性，即使这些感知特征并非模型训练的显式组成部分。这些结果已被用于构建多种嗅觉预测模型 —— 即使没有微调，其表现也优于以前的特征集。

来自 Science

为了构建这个气味地图，他的团队在一个包含5000个芳香分子的数据集上训练他们的 AI 模型，这些芳香分子涵盖了各种气味类别，如花香、果香或薄荷味。

Wiltschko 发现，由于分子结构复杂，计算机在分析分子时可能会比较棘手 —— 只要移动一个分子键，分子的气味就可能从玫瑰变成臭鸡蛋。

但得益于人工智能技术的进步，该模型能够捕捉到分子不同结构中的模式，并利用这些知识准确预测其他分子的气味。

值得一提的是，用来训练模型的数据集确实来之不易。

Wiltschko 说，大型语言模型可以通过整个互联网的数据进行训练，但当他们开始构建人工智能模型时，还没有类似的气味信息数字图书馆。

所以，他们花了大约一年的时间与香水行业的公司合作。起初，他们以为这些公司会有很棒的数据集，但事实并非如此。

这促使 Wiltschko 和他的团队创建了一种新的数据。

为此，他们收集了数千种分子以及调香大师对其气味的描述。然后，他们将这些数据输入图神经网络（GNN），该网络属于机器学习的范畴，使用强大的算法来检测和分析数据点之间的关系。

Wiltschko 说，他的团队可以使用 GNN 来帮助 AI 模型理解原子、连接它们的键以及分子结构如何决定其气味。

气味数字化大有用途

气味数字化可以开拓出前所未有的应用场景，最基础的就是气味的远程传输。Wiltschko 表示，Osmo 希望最终能够利用自己的技术，将一个地方的气味数字化，然后在另一个地方再造一个完全相同的副本，从而实现气味的远程传送。

事实上，该公司最新更新的博客表示，他们已经成功了。

具体来说，选择一种要传输的气味，并将其放入一台 GCMS（气相色谱 - 质谱）机。如果该气味的来源是液体，就直接注入;如果是固体样品(比如李子)，就使用顶空分析，也就是将气味困在物体周围的空气中，并通过管子吸收。

GCMS 会识别原始数据（可以视为分子），并将其上传到云。在那里，它会成为主要气味映射图上的坐标 —— 这是一种新颖、先进的人工智能驱动工具，可以预测特定分子组合的气味。

然后，这个配方会被发送到一台配方机器人，它会基于该配方来混合不同的气味，从而复现样品的气味。

在另一项成果展示中，Osmo 表示他们使用 AI 发现了前所未嗅的配方，并且他们一口气向欧美市场发布了三种前有未有的香水气味分子。他们将之分别命名为 Glossine、Fractaline、Quasarine。他们还为这三种香水气味编写了美妙的描述。举个例子，对于 Glossine，他们写到:一种充满活力的花香，让人联想到茉莉花，后调和中调散发出耀眼的亮泽。这种迷人的分子可为之前的任何香水增添耀眼的拉斯维加斯式光彩。

此外，Osmo 也在研究多模态 AI，具体来说，他们研究的是基于图像生成对应的气味，当然图像又可以进一步基于文本而生成。下面演示了一个案例:

可以看到，用户只需输入文本提示词，AI 就会帮助你生成图像（用户也可直接上传图像），然后再进一步为你生成分子配方。当然，如果你还想亲身闻到这些气味，还需要相应的设备。

事实上，他们已经在线发布了这款工具 Inspire，目前支持文本和图像输入，但他们也表示未来还会支持音乐、PDF、幻灯片和视频输入。感兴趣的读者可以注册尝试一下:https://inspire.osmo.ai/landing

这项技术背后彰显着无限的可能性。举个最明显的例子，也许未来我们还能观看带有气味的电影，实现视觉、听觉和嗅觉的全方位体验 —— 这或许能给那些风景如花的电影变得更加好看以及好闻。

这个节目看起来一定很香

最后，Wiltschko 表示 Osmo 还有一项长期目标，即利用这项技术帮助更早地识别疾病。也许未来，我们在体检时会有一个 AI 通过它的机器鼻子来判断我们的健康状况。

参考链接:

https://www.cnbc.com/2024/08/18/former-google-researchers-startup-uses-ai-to-digitize-smell.html

https://www.science.org/doi/10.1126/science.ade4401

https://www.osmo.ai/