还能远程传输气息 AI有鼻子了 图像生成香水

妇孺皆知，图像、音乐能用 AI 生成，但出人预料的是，气息也行。

最近，一个名叫 Osmo 的初创公司宣布，他们成功地将气息数字化了。第一个成功的案例是「新颖的夏季李子」，而且复现出的滋味「闻起来」很不错。整个环节依托 AI 技术来成功，不须要人工干预。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 和联结开创人。「将气息数字化」进而「生成气息」最后只是他在谷歌上班时期的一个钻研名目。但在 2022 年，他在 Lux Capital 和谷歌风投的允许下，将其作为一家独立的初创公司推出。

「我不时热衷于了解气息。它是一种十分弱小的心情感官，但咱们对它却知之甚少」Wiltschko 在接受 CNBC 采访时说。

在复刻出李子的香味后，Wiltschko 十分激动，「带着这个香味去了很多中央」。

至于这项钻研的用途，Osmo 的官方说法是「改坏蛋类的肥壮和幸福」，由于嗅觉数字化对协助医疗人员检测、治疗疾病至关关键。比如，医生可以用气息来触发患者记忆或减轻焦虑。

此外，它还有或许在 VR 游戏、电影中施展作用，参与 VR 设施的沉迷感。

或许，你还可以用这项技术来留住亲人的气息，但「按月付费」就有点讥刺了。

当然，这些都是常年愿景。在近期，Wiltschko 宿愿 Osmo 能制作出更安保、更可继续的香味分子，用于香水、洗发水、驱虫剂和洗衣粉等日罕用品中的香料。

用数千个香气分子训练 AI 模型

Osmo 的官方上便捷列出了他们的研发历史：

0. 在 Osmo 建设之前，Alex Wiltschko 在谷歌钻研院指导着这个团队，他们经常使用先进的机器学习技术构建了 Osmo 气息映射图的基础。

1. 取得了一项严重打破，可经常使用图神经网络依据分子结构预测其气息。

2. 发明了以前从未闻过的新分子并以逾越人类的准确度启动了预测。

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

而要更详细地了解 Osmo 的研发历程，咱们还要从 Wiltschko 的早期教训说起。

Wiltschko 2009 年在密歇根大学取得了神经迷信学士学位，并在哈佛大学学习嗅觉神经迷信，于 2016 年取得博士学位。

第二年，他成为谷歌钻研院的一名钻研迷信家，在那里，他花了五年时期指导一个团队，应用机器学习协助计算机依据分子结构预测不同分子的气息，并经常使用机器学习软件开发了 「关键气息映射图（principal odor map/POM）」。

这项钻研宣布在 2023 年 9 月的《迷信》杂志上。据引见，POM 坐标可以用于预测气息强度和感知相似性，即使这些感知特色并非模型训练的显式组成局部。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色集。

为了构建这个气息地图，他的团队在一个蕴含 5000 个芬芳分子的数据集上训练他们的 AI 模型，这些芬芳分子涵盖了各种气息类别，如花香、果香或薄荷味。

Wiltschko 发现，由于分子结构复杂，计算机在剖析分子时或许会比拟辣手 —— 只需移动一个分子键，分子的气息就或许从玫瑰变成臭鸡蛋。

但得益于人工默认技术的提高，该模型能够捕捉到分子不同结构中的形式，并应用这些常识准确预测其余分子的气息。

值得一提的是，用来训练模型的数据集确实来之不易。

Wiltschko 说，大型言语模型可以经过「整个互联网」的数据启动训练，但当他们开局构建人工默认模型时，还没有相似的气息消息数字图书馆。

所以，他们花了大概一年的时期与香水行业的公司协作。后来，他们以为这些公司会有很棒的数据集，但理想并非如此。

这促使 Wiltschko 和他的团队创立了「一种新的数据」。

为此，他们搜集了数千种分子以及调香巨匠对其气息的形容。而后，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围，经常使用弱小的算法来检测和剖析数据点之间的相关。

Wiltschko 说，他的团队可以经常使用 GNN 来协助 AI 模型了解原子、衔接它们的键以及分子结构如何选择其气息。

气息数字化可以开拓出史无前例的运行场景，最基础的就是气息的远程传输。Wiltschko 示意，Osmo 宿愿最终能够应用自己的技术，将一个中央的气息数字化，而后在另一个中央再造一个齐全相反的正本，从而成功气息的远程传送。

理想上，该公司最新降级的博客示意，他们曾经成功了。

GCMS 会识别原始数据（可以视为分子），并将其上行到云。在那里，它会成为关键气息映射图上的坐标 —— 这是一种新颖、先进的人工默认驱开工具，可以预测特定分子组合的气息。

而后，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息，从而复现样品的气息。

在另一项成绩展现中，Osmo 示意他们经常使用 AI 发现了前所未「嗅」的配方，并且他们一口吻向欧美市场颁布了三种前有未有的香水气息分子。他们将之区分命名为 Glossine、Fractaline、Quasarine。他们还为这三种香水气息编写了美妙的形容。举个例子，关于 Glossine，他们写到：「一种充溢生机的花香，让人联想到茉莉花，后和谐中调分收回夺目的亮泽。这种诱人的分子可为之前的任何香水削减夺目的拉斯维加斯式光荣。」

此外，Osmo 也在钻研多模态 AI，详细来说，他们钻研的是基于图像生成对应的气息，当然图像又可以进一步基于文本而生成。上方演示了一个案例：

可以看到，用户只需输入文本提醒词，AI 就会协助你生成图像（用户也可间接上行图像），而后再进一步为你生成分子配方。当然，假设你还想亲自闻到这些气息，还须要相应的设施。

理想上，他们曾经在线颁布了这款工具 Inspire，目前允许文本和图像输入，但他们也示意未来还会允许音乐、PDF、幻灯片和视频输入。感兴味的读者可以注册尝试一下：

这项技术面前彰显着有限的或许性。举个最显著的例子，兴许未来咱们还能观看带有气息的电影，成功视觉、听觉和嗅觉的全方位体验 —— 这或许能给那些景色如花的电影变得愈加美观以及好闻。

这个节目看起来必定很香

最后，Wiltschko 示意 Osmo 还有一项常年指标，即应用这项技术协助更早地识别疾病。兴许未来，咱们在体检时会有一个 AI 经过它的机器鼻子来判别咱们的肥壮状况。