机器学习已有“嗅觉”了吗

在德国弗劳恩霍夫工艺工程与包装研究所的嗅觉一间实验室里，一场关于人工智能（AI）的机器“嗅觉革命”正在悄然上演。这个故事的学习主角不是专家，而是嗅觉两种AI机器学习算法——它们正试图挑战人类专家在识别酒类复杂香气方面的权威。

研究人员选择酒类作为检测样本并非偶然。机器以威士忌为例，学习其由多种复杂香味化合物交织而成的嗅觉独特香气，可以成为测试的机器理想对象。通常情况下，学习识别威士忌最强烈的嗅觉香气特征需要依赖一群训练有素的人类专家，他们花费大量时间、机器资金和精力来辨识这些微妙的学习差别。然而，嗅觉即便如此，机器不同专家之间也常常意见不一，学习这为品鉴过程带来了不确定性和主观性。

为了克服这一难题，研究人员开发了一种名为“OWSum”的分子气味预测算法，并同时引入了另一种基于神经网络的算法。这两种算法的任务是通过分析气相色谱法和质谱分析提供的分子组成数据，来确定实验酒类样本强烈的香气，并判断其产地。

在这个实验中，7种美国威士忌和9种苏格兰威士忌成为了算法的首批挑战者。研究人员将算法识别出的每个样本的产地及其最强烈的5种香气特征，与11名专家组成的小组得出的结果进行了对比。

结果令人惊讶：“OWSum”不仅能够以超过90%的准确度区分样本是来自美国还是苏格兰，还能敏锐地捕捉到不同产地威士忌的标志性香气——焦糖味在美国威士忌中脱颖而出，而苹果味、溶剂味和酚感则成为了苏格兰威士忌的代表。平均而言，两种算法都展现出了比任何一位人类专家更稳定且更准确的能力，成功地识别出5种最强烈的香气。

这项发表在《通讯·化学》杂志上的研究，标志着一个新时代的开始。机器学习算法不仅能快速分类需要鉴别的样本，还能精准识别其中的关键香气特征。

它预示着机器“嗅觉”的新篇章：不仅是效率的提升，更是对感官体验的全新探索。随着技术的进步，人们或许很快就能见证更多这样的奇迹。