为探索化学物质的结构和气味之间的联系，谷歌研究院衍生初创公司Osmo与美国莫内尔化学感觉研究中心、英国雷丁大学和美国亚利桑那州立大学合作，设计了一种神经网络系统，它可将55个描述性单词中的一个或多个，与对气味的描述相匹配。团队使用行业数据集对AI进行训练，其中包括大约5000种已知气味剂的气味。AI还分析了每种气味的化学结构，以确定结构与香气之间的关系。
该系统识别了大约250种化学物质结构中的特定模式与特定气味之间的相关性。研究人员将这些相关信息结合到主气味图(POM)中。当AI预测新分子的气味时可参考该图。
为了比较POM与人类鼻子的嗅觉水平，15名人类志愿者将特定的气味与AI使用的同一组描述性词汇相匹配。接下来，研究人员收集了数百种自然界中不存在但人们足够熟悉且可描述出来的气味剂。他们要求志愿者描述其中的323个分子，并要求AI根据每个新分子的化学结构预测其气味。结果，AI的猜测非常接近人类给出的平均反应，且更接近正确答案。具体来说，该模型在53%的测试分子中表现优于小组成员的平均水平。
【总编辑圈点】
“虚无缥缈”的气味，既看不见，又摸不着，人工智能如何对其进行预测？别忘了，对于有规律、有逻辑、可计算的事物，人工智能往往能展现出强大的优势。化学物质的气味与结构之间，存在着特殊的联系。这正是人工智能预测气味的“抓手”，也是其可与人类调香师一比高下的诀窍所在。
