辨識顏色是件容易的事情：只要光的波長為510納米，大多數(shù)人就會說它是綠色。然而，要想根據(jù)一個特定的分子特征辨識出對應(yīng)的味道，那是非常困難的?，F(xiàn)在這個難題有新的解決方案了。據(jù)了解，22個計(jì)算機(jī)科學(xué)家團(tuán)隊(duì)公布了一套算法，能夠根據(jù)不同分子的化學(xué)結(jié)構(gòu)來辨識不同氣味。這些方案可以發(fā)揮什么作用仍有待觀察。但是有一種可能，這些的算法可以幫助香味商和食品生產(chǎn)者設(shè)計(jì)新型的氣味劑，而且可以量身定制某種味道。

嗅覺研究員Leslie Vosshall與紐約洛克菲勒大學(xué)的同事在最近的一項(xiàng)研究中，讓49名志愿者評價(jià)了476小瓶純氣味劑。志愿者用19個標(biāo)簽對每一瓶氣味劑打標(biāo)評價(jià)，包括“魚”、“大蒜”、“甜”或“燒焦”等。他們還評定每個氣味劑帶來的愉悅感及強(qiáng)烈度，總共收集超過100萬個數(shù)據(jù)點(diǎn)，構(gòu)建了關(guān)于這些氣味分子的海量數(shù)據(jù)庫。

兩年前，計(jì)算生物學(xué)家Pablo Meyer在洛克菲勒大學(xué)學(xué)習(xí)時(shí)，他發(fā)現(xiàn)計(jì)算機(jī)科學(xué)家可以用這套數(shù)據(jù)集來研究人類評價(jià)氣味的機(jī)制。除了在紐約約克敦海茨的IBM Thomas J. Watson研究中心工作之外，Meyer還主導(dǎo)了一個名為DREAM挑戰(zhàn)的競賽，旨在讓計(jì)算機(jī)科學(xué)家團(tuán)隊(duì)解決突出的生物醫(yī)學(xué)問題，例如基于臨床數(shù)據(jù)預(yù)測前列腺癌治療的結(jié)果，或從乳房的X線照片數(shù)據(jù)檢測乳腺癌。“我從研究生院知道，嗅覺的運(yùn)行機(jī)制仍然是一個謎，”Meyer說。盡管研究人員已經(jīng)在人體中發(fā)現(xiàn)了大約400種不同的氣味受體，但他補(bǔ)充說，這些氣味受體是如何協(xié)作來區(qū)分不同氣味，很大程度上仍然是一個謎。

2015年，Meyer和他的同事們舉辦了DREAM嗅覺辨識挑戰(zhàn)賽。他們將洛克菲勒團(tuán)隊(duì)收集到的氣味數(shù)據(jù)集分為三部分，參與者被給予三分之二的志愿者評級數(shù)據(jù)集，包括產(chǎn)生每種氣味的分子化學(xué)結(jié)構(gòu)。他們還給每種分子打了超過4800個標(biāo)簽，例如分子的原子組合，排列和幾何形狀，構(gòu)成了超過200萬個數(shù)據(jù)點(diǎn)的獨(dú)立數(shù)據(jù)集合。然后使用這些數(shù)據(jù)集來訓(xùn)練他們的計(jì)算機(jī)嗅覺辨識模型，輸入的特征是分子的化學(xué)結(jié)構(gòu)。剩余的三分一的數(shù)據(jù)作為驗(yàn)證集，包括69個味道評價(jià)數(shù)據(jù)及其相應(yīng)的化學(xué)信息，被用來評估模型的辨識味道的準(zhǔn)確度，辨識結(jié)果與49人的平均評級結(jié)果和個體的評級結(jié)果做比較。

來自全球的22個團(tuán)隊(duì)迎接了挑戰(zhàn)。許多團(tuán)隊(duì)表現(xiàn)良好，但有兩個團(tuán)隊(duì)脫穎而出，安娜堡的密歇根大學(xué)計(jì)算機(jī)科學(xué)家Yuanfang Guan領(lǐng)導(dǎo)的一個小組，在模擬單個受試者的氣味評價(jià)中表現(xiàn)最佳。坦佩亞利桑那州立大學(xué)Richard Gerkin領(lǐng)導(dǎo)的另一個團(tuán)隊(duì)，在模擬參與者平均氣味評價(jià)中表現(xiàn)最佳，Meyer和他的同事在《Science》期刊中報(bào)道。

“我們了解到，我們可以將特定的分子結(jié)構(gòu)與氣味的描述對應(yīng)起來，”Meyer說。例如，具有硫基團(tuán)的分子傾向于產(chǎn)生“大蒜”氣味，具有香草醛類似的化學(xué)結(jié)構(gòu)的分子，受試者則會感受到“面包店”氣味。

Meyer建議這樣的模型可以幫助香料和香料公司構(gòu)建新的分子結(jié)構(gòu)，調(diào)出特定的氣味，如檀香或柑橘味。但是，來自科羅拉多州柯林斯堡Synesthetics的生物心理學(xué)家Avery Gilbert，一個經(jīng)驗(yàn)豐富的香水和香精行業(yè)老兵，不太確定這種方式的可行性。Gilbert認(rèn)為這項(xiàng)研究工作是有用的，因?yàn)樗峁┝她嫶蟮臄?shù)據(jù)集。但是，用19種標(biāo)簽來標(biāo)識不同氣味的實(shí)在是太局限了，用來描述氣味的屬性太少。另一項(xiàng)研究中已經(jīng)讓志愿者用80個或更多屬性來評價(jià)不同的氣味。

據(jù)了解，當(dāng)前的研究表明，計(jì)算機(jī)可以預(yù)測人們會用19個標(biāo)簽中的哪一個來描述聞到的這一組氣味，但不清楚如果有更多的標(biāo)簽，同樣的人工智能程序是否還能準(zhǔn)確預(yù)測人類會使用的標(biāo)簽。 Gilbert說，如果你用不同的描述符，可能需要不同的模型才能預(yù)測他們的評價(jià)，所以他不知道這個方法在什么程度可以超越人類。也許這個觀點(diǎn)的主要作用是提醒，氣味辨識仍然是人類科學(xué)家和人工智能的挑戰(zhàn)。