AI有鼻子了,还能远程传输气味,图像生成香水
文库划重点: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。
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。
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。
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。
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。
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
(文章插图未收录)
(链接追溯:https://www.jiqizhixin.com/articles/2024-11-09-3)
收录于哈希力量,手机站省略本文固定网址