AI也能有嗅觉：谷歌正训练人工智能预测分子气味

一批人工智能、生命科学和化学领域的顶尖专家，正在以前沿的图神经网络技术，开展分子识别及气味预测的研究。这项突破性的工作，已经构建出一个超越现有方法的模型，其诞生的舞台就是在DREAM嗅觉预测挑战赛。

这些专家分别来自谷歌、加拿大高等研究所、多伦多矢量人工智能研究所、多伦多大学和亚利桑那州立大学。他们深信，随着机器学习在分子识别领域的深入应用，机器智能将如同人类一样，拥有感知气味的能力。就如同人工智能已经模拟了人类的视觉和听觉，现在，研究人员正在尝试赋予机械臂触觉，同时让机器拥有识别气味的能力。

在相关论文中，他们指出深度学习在嗅觉方面的进展，不仅有助于发现新的化学合成物，减少自然作物的需求，降低对生态环境的影响，而且通过气味识别模型，可以揭示分子结构的奥秘，帮助我们理解大脑嗅觉感知的运作机制。

IBM Research和香水公司Symrise也在积极探索机器学习的应用，尝试通过机器学习来设计全新的味道。图神经网络被他们看作是一种理想的工具，尤其适用于结构-气味的量化关系模型（QSOR）。该模型能够预测分子的特性（如气味），并揭示类簇分子在矢量空间中的关系。从这个角度看，气味识别可以被看作是一种多标签分类问题。研究员将其形象地称为“嗅觉嵌入”，类似于计算机将图像分解为红蓝绿三色。

这些研究人员利用包含5030份香水材料分子数据的数据库进行模型训练。每一个分子数据都被嗅觉专家细致贴上标签，包括水果味、烤面包味等，并被打乱顺序。他们通过将分子视为图像中的节点和边缘（原子为节点，化学键为边缘），成功将图神经网络应用于QSOR模型。经过大量实验证明，其性能远超现有方法。分析表明，图神经网络的分析嵌入能够深入挖掘分子结构和气味之间的潜在关系。

为了推动嗅觉预测人工智能的进步，谷歌计划公开更多相关数据组。这方面的研究将为气味的数字化提供可能，帮助人们发现更多未知的气味。尽管以上内容转载自其他媒体，但它们的真实性和价值不容忽视。我们对原创性以及文中陈述文字和内容无法全部核实，但我们将对任何侵权内容在24小时内进行处理。我们欢迎大家提供反馈和建议，共同推动这一研究领域的进步。