实时 AI 消息
Osmo称其气味模型达到“人类水平嗅觉智能”
MIT Technology Review报道,初创公司Osmo在建成其称为全球首个气味基础模型之后,声称模型已达到“人类水平嗅觉智能”,即辨识气味接近普通人、调配香气接近初级调香师。该技术已在香精行业投入使用,但要把嗅觉用于医疗诊断或安检,专家认为传感器与情境理解仍需大幅进步。

在新泽西纽瓦克机场附近的一间实验室里,大约30名训练有素的“闻味师”正逐一处理各种气味。他们写下“坚果味”“桃子味”“海洋味”这样的笔记,再与化学分析结果交叉比对,为AI初创公司Osmo所称的“全球首个气味基础模型”积累训练数据。
Osmo创始人Alex Wiltschko把这套工作的目标说得很直接:给计算机一个嗅觉。他2023年把公司从谷歌此前的AI研究机构Google Brain分拆出来,沿用其他领域AI创业的同一套打法——用大量数据啃一个极难的问题。
难的地方首先在数据。Wiltschko统计,在Osmo之前,现有数据库中人类对气味的描述不足20万条;能用于采集数据的化学传感器价格高昂,香精行业又对嗅觉研究守口如瓶。Osmo因此自建数据集,规模超过1000万条人类标注和8亿个“气味token”,后者记录的是构成特定气味的具体分子与浓度。公司用光谱仪等化学传感器昼夜不停地拆解水果、花卉、食材乃至器官的分子构成,并在美国及海外安排了约70名受训标注员。
Osmo对“人类水平嗅觉智能”的定义是:辨别气味的能力大致相当于普通人,创造香气的能力大致相当于初级调香师。公司称这一水平已在近几个月达到,技术也已进入香精行业,帮助品牌设计和制造新香气;按公司说法,上个月其模型在一家全球最大消费品公司的内部调香师比拼中胜出。
商业化案例不止香水。Osmo的技术已被用于为宝洁等大型企业开发零售香精;盖茨基金会在公司创立时投资500万美元,之后又提供350万美元资助,用于评估驱避传播疾病昆虫的分子,Osmo从中找出八种比DEET更有效的物质。它还和球鞋交易平台StockX合作,通过材料化学成分的差异识别假鞋。
并非所有人都买账。气味科学家、《What the Nose Knows》作者Avery Gilbert在Substack上多次批评Osmo,认为其部分营销说法缺乏文献记录,专利文件仍依赖人类感官评审和调香师,而不是AI。Osmo的代表在发稿前未回应。
技术层面的保留意见同样具体。曾为Osmo提供咨询的赫特福德大学前神经计算教授Michael Schmuker认可这是一项成就,但指出气味高度依赖情境:卡芒贝尔奶酪和用过的尿布含有部分相同分子,人不会混淆,是因为场景不同。在香精实验室这样的受控环境里,缺少情境或许影响不大;若要把模型用于食品产线嗅出变质,或像受过训练的犬只那样通过气味发现肿瘤,传感器和模型都还需要大幅进步。
Wiltschko并不讳言难度。他说,直接冲着医疗诊断这座“山峰”去的公司有很多,但多数没有成功,因为既昂贵又困难;Osmo选择先在山脚打好基础,再派人上山探险——“基本上就是把整个世界闻一遍”。
如果气味也能像语言一样被拆成可计算的token,嗅觉就可能成为文本、图像和音频之后,AI进入物理世界的又一条通道。但这条通道能走多远,取决于数据、传感器与独立验证,而不只是公司的自我表述。
来源
为什么重要
嗅觉长期是AI的空白地带,Osmo把“分子—气味”关系做成基础模型的尝试,为香精、食品质检乃至疾病筛查提供了新的技术路径;但“人类水平”的说法仍需要独立验证,短期内更现实的落点仍是香精与消费品行业。
附近消息
全部11/18 17:48
ServiceNow 调查:92% 印度机构过去一年遭遇 AI 智能体安全事件
ServiceNow 对 500 名安全负责人开展的调查显示,92% 的印度机构在过去一年经历过 AI 智能体安全事件,但只有 36% 能在 24 小时内完成处置。报告指出,企业在问责机制、统一可见性和自动化管控上仍存在明显缺口。
11/18 18:58
Visa将AI代理支付计划扩展至商户与支付处理商
据StreetInsider报道,Visa正把面向AI代理的支付项目扩展到商户和支付处理商,使受理侧也进入这一体系。此前代理支付更多停留在发卡与钱包一侧,受理网络的接入程度将决定这类交易能否从试点走向规模化。
11/18 17:41
Gemini新模型Neon箭在弦上,网友:遍历元素周期表?
据 qbitai.com 消息,Gemini新模型Neon箭在弦上,网友:遍历元素周期表?。氖人寻味!
11/18 19:02
路透报道:Meta 重押 Muse AI 代理,早期安全失误浮出水面
路透 11 月 18 日刊发 Insight 报道,聚焦 Meta 对 Muse AI 代理的重注,以及这一产品在早期阶段浮现的安全失误。报道把公司的投入规模与已经暴露的风险放在同一条线上审视,指向代理类产品在真实用户规模下的隐患。