人类嗅觉的力量不容小觑——研究表明，人类可以区分超过一万亿种气味。考虑到每种气味都是一种具有独特结构的化学物质，这一点尤其令人印象深刻。专家们一直在试图辨别化学结构如何决定气味之间的模式或逻辑，这将大大简化合成复制气味或发现新气味的过程。但这极其困难——两种结构非常相似的化学物质可能闻起来截然不同。当识别气味如此复杂时，科学家们不禁要问：我们能让计算机来完成这项任务吗？
与我们的视觉和听觉相比，气味对科学家来说仍然更加神秘。我们可以将所见之物“映射”为一系列光波长，将所听之物映射为一系列具有频率和振幅的声波，但对于气味，我们却缺乏这种理解。在本月发表于《科学》杂志的最新研究中，科学家们使用来自两个香水数据库的5000种化合物（具有气味的分子的“气味分子”）和相应的气味标签（如“果香”或“奶酪味”）训练了一个神经网络。随后，该人工智能能够生成一个“主要气味图谱”，直观地展示了不同气味之间的关系。当研究人员将他们的人工智能引入一种新分子时，该程序能够描述性地预测它会闻起来像什么。
随后，研究团队邀请了15名居住在费城附近的、不同种族背景的成年人组成的听审团，让他们闻并描述同一种气味。该研究的作者之一Alex Wiltschko表示：“大多数时候，神经网络的描述比普通听审者更好。” Wiltschko是Osmo公司的首席执行官兼联合创始人，该公司致力于“赋予计算机嗅觉”，并与谷歌和美国多所大学的研究人员合作完成了这项工作。
哈佛大学神经生物学教授Sandeep Robert Datta表示：“气味是高度个人化的。”（Datta曾担任Osmo的名誉顾问，但未参与这项新研究。）因此，任何关于我们如何描述和标记气味的研究都必须附带一个警示：我们对气味的感知，以及气味之间可能如何相互关联，与我们的记忆和文化紧密交织。他解释说，这使得我们很难说出气味的“最佳”描述是什么。尽管如此，“气味感知中有一些共同的方面几乎肯定是由化学驱动的，而这正是这个图谱所捕捉到的。”
Datta补充说，值得注意的是，这个团队并不是第一个或唯一一个使用计算机模型来研究化学与气味感知之间关系的研究团队。还有其他神经网络，以及许多其他统计模型，它们已经被训练来匹配化学结构和气味。但他认为，这项新人工智能能够生成气味图谱并预测新分子的气味，这一点意义重大。
[相关：如何增强您的嗅觉和味觉]
加州大学河滨分校研究嗅觉的Anandasankar Ray（未参与此研究）在一封电子邮件中写道，这个神经网络严格考察化学结构和气味，但这并没有真正捕捉到化学物质与我们嗅觉受体之间相互作用的复杂性。在他自己的工作中，Ray根据大约400种人类嗅觉受体中的哪些被激活来预测化合物的气味。我们知道嗅觉受体会与化学物质结合时做出反应，但科学家们并不确切地知道这些受体将什么信息传递给大脑，或者大脑如何解释这些信号。他写道，在创建预测模型时，考虑生物学因素非常重要。
此外，Ray指出，为了真正了解模型的通用性，团队应该在训练数据之外的其他数据集上测试他们的神经网络。但他补充说，在此之前，我们无法确定该模型的广泛适用性。
更重要的是，神经网络没有考虑到我们对气味的感知会随着气味分子浓度的变化而改变。“一个很好的例子是猫尿中的一种成分，名为MMB；它就是猫尿之所以臭的原因，”Datta说道。“但在非常低的浓度下，它闻起来很有吸引力，甚至美味——它存在于一些咖啡和葡萄酒中。” Datta补充说，未来模型能否考虑到这一点将会很有趣。
总的来说，Datta指出，值得注意的是，这个主要气味图谱“并不能解释我们的鼻子如何从宇宙般的化学物质中筛选，以及我们的大脑如何找到一个描述符的奇妙过程。”“这仍然是一个深刻的谜团。”但它可能会促进有助于我们研究大脑如何感知气味的实验。
[相关：一款新面罩为VR增添“逼真”气味]
Witschko及其合作者也意识到了他们图谱的其他局限性。Witschko说：“用这个神经网络，我们一次只对一个分子进行预测。但你从不会只闻一种分子——你总是闻混合物。”从一朵花到一杯早晨咖啡，大多数“气味”实际上是许多不同气味分子的混合物。作者接下来的步骤是研究神经网络是否能预测化学组合物的气味。
Wiltschko最终设想了一个世界，在这个世界里，气味像声音和视觉一样，可以被完全数字化。他希望未来机器能够像智能手机上的语音转文本功能一样，能够探测气味并进行描述。或者，就像我们可以要求智能音箱播放特定的歌曲一样，它们能够按需释放特定的气味。但在那个愿景成为现实之前，还有很多工作要做。Wiltschko表示，在数字化气味的征程中，“这只是第一步。”
