AI有鼻子了 图像生成香水 还能远程传输气息

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。

您可能还会对下面的文章感兴趣: