人工智能预测人类闻到的化学物质是什么气味

一种新的计算机模型“绘制”出气味分子，以区分那些有肉味、粉末状、甜味和许多其他香味的气味

Credit: janiecbros/Getty Images

研究人员早就知道，我们吸入的分子的化学结构会影响我们的气味。但在大多数情况下，没人能弄清楚到底是怎么回事。科学家们已经破译了一些具体的规则，这些规则控制着鼻子和大脑如何根据空气中的分子的特征来感知它。很明显，我们很快就能认出某些含硫化合物是大蒜的气味，而某些氨衍生胺是鱼的气味。但这些都是例外。

事实证明，结构不相关的分子可以有相似的气味。例如，氰化氢和更大的环状苯甲醛闻起来都像杏仁。与此同时，微小的结构变化——甚至改变一个双键的位置——都能极大地改变气味。

为了弄清楚这种令人困惑的化学现象，研究人员求助于人工智能的计算能力。现在，一个研究小组已经训练出一种被称为图形神经网络的人工智能，可以根据气味分子的化学特征来预测一种化合物对人来说是什么味道——玫瑰味、药用味、泥土味等等。研究人员在发布在预印本存储库bioRxiv上的新论文草稿中报告称，计算机模型对新气味的评估和人类气味一样可靠。

现在谷歌的风险投资公司GV工作的亚历克斯·威尔奇科(Alex Wiltschko)说:“它实际上学到了一些关于世界是如何嗅感以及嗅感是如何工作的基本知识，这让我感到震惊。”他在谷歌Research工作时曾领导数字嗅觉团队。

人类的鼻子平均含有400种嗅觉受体(OR)，这些受体可以与潜在的大量空气分子结合。然后，这些受体启动神经元信号，大脑随后对咖啡、汽油或香水的气味进行解读。尽管科学家们知道这一过程在广义上是如何工作的，但许多细节——比如气味受体的精确形状或系统如何编码这些复杂的信号——仍未被发现。

一个包含各种已知气味的“嗅觉参考套件”。 Credit: Joel Mainland

哥伦比亚大学的嗅觉神经科学家斯图尔特·费尔斯坦(Stuart Firestein)称该模型为“计算生物学的杰作”。但正如许多基于机器学习的研究的典型情况一样，“在我看来，它从未让你对事物是如何工作的有更深入的了解，”Firestein说，他没有参与这篇论文。他的批评源于该技术的一个固有特征:这种神经网络通常是不可解释的，这意味着人类研究人员无法获得模型用来解决问题的推理。

更重要的是，这个模型跳过了神经系统的神秘工作原理，而是在分子和气味之间建立了直接联系。尽管如此，费尔斯坦和其他人把它描述为一种潜在的有用的工具，用来研究嗅觉及其与化学之间令人担忧的关系。对相关研究人员来说，该模型也代表着朝着更精确、基于数字的方法来描述气味宇宙的一步，他们希望最终能将这种感觉带到数字世界。

Wiltschko说:“我深信在未来，就像人类能看、能听、能闻一样，计算机也能看、能听、能闻。”Wiltschko现在正在探索这项技术的商业化。

一段时间以来，研究人员一直在使用计算建模来研究嗅觉。在2017年发表的一篇论文中，一场众包竞赛生成了一个模型，该模型能够将分子结构与一些标签(包括“甜的”、“烧焦的”和“花的”)匹配，这些标签描述了它们的气味，就像人类所经历的那样。在新的后续研究中，Wiltschko的团队用大约5000个经过充分研究的分子的数据训练模型，包括它们的原子特征和它们之间的化学键。结果，该模型生成了一幅极其复杂的气味“地图”。与传统的二维纸质地图不同，该模型基于256维将气味分子放置在“位置”上——算法确定可以利用这些属性来区分分子。

气味图的插图。Credit: Alexander B. Wiltschko

为了验证这张地图是否符合人类的实际感知，Wiltschko的团队找到了莫奈尔化学感官中心的嗅觉神经科学家Joel Mainland。“在这里，定义成功有点难，因为‘你如何定义某种东西的味道?’”Mainland说。“(香水)行业所做的——也就是我们在这里所做的——基本上就是把一群人聚在一起，让他们描述香水的味道。”

首先，Mainland和其他人识别了一组没有记录的带有气味的分子。至少15名训练有素的研究参与者嗅了嗅每种气味。由于基因差异、个人经历和偏好的不同，对气味的感知因人而异，研究人员对参与者的评估取平均值，并将平均值与模型的预测进行比较。他们发现，对于53%的分子，该模型比典型的单个小组成员更接近小组成员的平均水平——他们说这一表现超过了早期基于标签的模型。

虽然新模型可能已经被证明能够在给定单分子的情况下模仿人类的气味感知，但它在现实世界中不会表现得那么好。从玫瑰到香烟烟雾，大多数气味都是混合气味。此外，该团队使用香水数据来训练新模型，这些数据偏向于令人愉快的气味，远离令人厌恶的气味。

即使有这些限制，该模型仍然可以帮助那些对气味化学感兴趣的人，例如，指导那些想要识别未被研究的难闻气味的研究人员，或测试分子结构的调整如何改变感知。香水化学家在提炼香水配方或识别潜在的新成分时也可以参考它。

Wiltschko的团队已经用这个模型测试了一个关于化学物质结构与人类和其他生物如何感知其气味之间联系的理论。在8月份发表在bioRxiv上的另一篇预印本论文中，研究人员认为动物的新陈代谢——维持其生命的化学过程，如将食物转化为能量——可以解释这一现象。从一个数据库中，他们选择了被预测会唤起气味的代谢化合物，并使用他们的气味地图模型分析分子。研究小组得出的结论是，在代谢反应中扮演密切相关角色的分子往往气味相似，即使它们的结构不同。Mainland并不是这篇单独的预印本论文的合著者，但他参与了该项目的研究团队，他称这一发现“非常令人兴奋”。他说:“我们不仅仅是在建立一个解决问题的模型。”“我们正在试图弄清楚这一切背后的潜在逻辑是什么。”

该模型还可能开启新技术的大门，根据需求记录或生产特定的气味。Wiltschko将他的团队的工作描述为朝着人类气味感知的“完整地图”迈进了一步。最终版本将可与国际照明委员会定义的“颜色空间”相媲美，该委员会绘制出可见的颜色。然而，牛津大学认知科学教授阿西法·马吉德(Asifa Majid)指出，与新的嗅觉地图不同的是，颜色空间不依赖于文字。他没有参与上述研究。马吉德质疑使用语言作为绘制人类感官感知的基础。她说:“说不同语言的人对世界有不同的指代方式，这些分类并不总是完全翻译过来的。”例如，说英语的人经常通过提及咖啡或肉桂等潜在气味来源来描述一种气味。但是在马来西亚和泰国部分地区使用的土著语言Jahai中，人们从12个基本的气味词汇中进行选择。

马吉德说，如果没有实证研究来验证它，“我们根本不知道这项工作将如何推广到其他语言。”理论上，研究人员可以通过测量小组成员在被要求比较气味时的反应时间来定义气味，因为要区分相似的气味比较困难，所以参与者需要更多的时间来进行区分。然而，据Mainland说，这种行为方法被证明是不现实的。他说，因为该模型已经了解了气味宇宙组织的一些基本知识，他希望这张地图在世界其他地方也能适用。

尽管不依靠文字就可以研究人类对气味的感知，但研究人员仍然缺乏用一种至关重要的通用语言——数字来表示这些体验的能力。通过开发颜色空间坐标或十六进制编码(用红、绿、蓝来编码颜色)的视觉模型，研究人员的目标希望用新的精确度来描述气味——也许，最终，将它们数字化。

Michael Schmuker解释说，对于视觉和听觉，研究人员已经了解了大脑关注的特征。Michael Schmuker在英国赫特福德大学使用化学信息学研究嗅觉，但没有参与这些研究。他说，对于嗅觉，“现在有很多问题需要解决。”

一个主要的挑战是主要气味的识别。为了创造相当于嗅觉的数字图像，让气味(如地图)被记录下来并有效地重新创造，研究人员需要确定一组气味分子，这些分子在混合时可以可靠地产生一个色域，就像红、绿、蓝产生屏幕上的所有色调一样。

施穆克说:“尽管人们正在努力，但这是目前非常遥远的科幻小说。”

以上内容节选自：

https://www.scientificamerican.com/article/ai-predicts-what-chemicals-will-smell-like-to-a-human/