機器學習為語音和麵部識別鋪平了道路，但研究人員仍在努力量化難以捉摸的，有時甚至模糊的嗅覺。
機器嗅覺是對氣味感的自動模擬，是一個新興領域，它使用機器人或其他自動化系統來分析氣源分子。就像視力和聲音一樣，機器學習是數字化氣味的關鍵，因為機器學習專家兼密歇根大學統計學教授Ambuj Tewari表示，機器可以學會繪製產生氣味並將其轉化為文本描述的分子結構。
“機器學習模型學習人類傾向於使用的單詞，例如“甜”和“甜點” - 描述他們遇到特定引起氣味的化合物（例如香草林）時所經歷的東西，” Tewari寫信進行對話。
機器嗅覺設備還可以使我們捕獲人類的氣味並將其用作生物識別模板。 2022年，來自日本九州大學的科學家開發了一個傳感器稱為“人造鼻子”，可以通過平均準確性超過97％的呼吸聞到一個人的呼吸來驗證一個人。
一些公司已經在新領域進行了資金。機器嗅覺啟動OSMO去年，Bill＆Melinda Gates Foundation獲得了350萬美元的贈款，以推動公司支持AI支持的氣味平台。 2023年早些時候，它還獲得了由Lux Capital和Google Ventures領導的6000萬美元的A系列資金。
該公司從Google Research中脫穎而出，希望創建一個“氣味地圖”，以預測分子從其結構中聞起來的樣子。該平台將用於創建排斥，吸引甚至破壞諸如蚊子等疾病的昆蟲的化合物。
OSMO首席執行官Alex Wiltschko說：“ Osmo的科學揭示了昆蟲與人類嗅覺之間的令人驚訝的聯繫，我們的氣味地圖預測了分子對人類和昆蟲的氣味。”
但是，量化氣味是一項艱鉅的任務，不僅是因為難以描述氣味。互聯網具有大量的音頻，圖像和視頻內容，可以通過機器學習來訓練識別系統。根據Tewari的說法，機器嗅覺長期以來一直面臨數據短缺問題，沒有數據集，研究人員很難訓練強大的機器學習模型。
突破是2015年夢想嗅覺預測挑戰邀請了世界各地的研究團隊提交機器學習模型。一個名為的研究項目Pyrfume項目公開提供了更多數據集。
由Osmo和費城大學科學中心校園的Monell Chemical Senses Center領導的研究團隊終於能夠創建一種AI模型值得注意的結果在機器嗅覺中。這項研究為氣味預測和數字化氣味鋪平了道路。
該模型可以根據分子的結構來預測氣味描述。它基於一種稱為圖形神經網絡的深度學習類型，並在5,000個已知氣味劑的數據集上進行了培訓。這項研究於2023年9月發表在科學上，發現AI的表現優於人類評估，其中一半以上（53％）的分子測試了，該評估的表現超過了。根據致神經科學新聞。
