一批人工智能、生命科學(xué)和化學(xué)方面的專家正在通過圖神經(jīng)網(wǎng)絡(luò)來識別分子、預(yù)測氣味。這批專家建立的模型性能已經(jīng)超越了目前的所有方法，該模型誕生于DREAM嗅覺預(yù)測挑戰(zhàn)賽。

這些研究員主要來自于谷歌、加拿大高等研究所、多倫多矢量人工智能研究所、多倫多大學(xué)和亞利桑那州立大學(xué)。這些研究人員相信，隨著機器學(xué)習(xí)在分子識別領(lǐng)域應(yīng)用水平的提高，機器智能將可以進行氣味識別，就像讓人工智能模擬視覺、聽覺等其他感知能力。另外，研究人員還在嘗試讓機械臂獲得觸覺。

一篇相關(guān)論文里寫道：“深度學(xué)習(xí)在嗅覺方面取得的進步，能幫助發(fā)現(xiàn)新的化學(xué)合成物，進而減少自然作物的需求，降低對生態(tài)環(huán)境的影響。通過氣味識別模型推導(dǎo)出分子結(jié)構(gòu)，可以幫助我們理解大腦嗅覺感知的運作方式。”

IBM Research和香水公司Symrise也在嘗試通過機器學(xué)習(xí)來設(shè)計新的味道。研究員表示圖神經(jīng)網(wǎng)絡(luò)非常適合結(jié)構(gòu)－氣味的量化關(guān)系模型（QSOR），后者能夠預(yù)分子特性（例如氣味）和類簇分子在矢量空間中的關(guān)系。從這個方面看，氣味識別可以當做是一種多標簽的分類問題，研究員稱之為“嗅覺嵌入”，這類似于計算機將圖像分解為紅藍綠三色。

研究員在論文中解釋道：“通過將原子視為節(jié)點，化學(xué)鍵視為邊緣，我們可以把分子看成一個圖像。我們提出將圖神經(jīng)網(wǎng)路應(yīng)用于QSOR模型，并借助嗅覺專家提供的數(shù)據(jù)庫證明了它的性能遠超現(xiàn)有的方法。分析表明，圖神經(jīng)網(wǎng)絡(luò)的分析嵌入能夠挖掘出分子結(jié)構(gòu)和氣味之間的潛在關(guān)系?！?/p>

這些研究人員利用數(shù)據(jù)庫里5030份香水材料的分子數(shù)據(jù)訓(xùn)練自己的模型。每一個分子數(shù)據(jù)都讓嗅覺專家貼上了標簽，包括水果味、烤面包味等，并將之打亂。

為了加快嗅覺預(yù)測人工智能的進步，谷歌計劃在將來公開更多相關(guān)的數(shù)據(jù)組。這方面的研究將能夠?qū)馕哆M行數(shù)字化，幫助人們發(fā)現(xiàn)更多聞不到的氣味。