AI鼻子叫板人类嗅觉:新泽西实验室想闻遍地球气味
MIT Technology Review 每日通讯 The Download 关注两个话题:一家美国初创公司宣称其「AI鼻子」的嗅觉能力已可与人类比肩,研究人员在新泽西的实验室里逐一嗅闻并记录地球上的各种气味;与此同时,气候变化正让全球水电行业陷入发电量下滑与电网调峰能力削弱的两难境地。本文梳理机器嗅觉的技术路径、落
编者按:视觉、听觉先后被 AI 拿下之后,嗅觉一直被认为是最难数字化的那道坎。一家美国初创公司放话,自家的「AI 鼻子」已经跟人的鼻子打平。这话靠不靠得住,业界还得冷眼看看。
MIT Technology Review 的每日通讯栏目 The Download 本期挑了两条新闻,表面上不搭界,骨子里都在讲「技术怎么应付真实世界」:一条是机器嗅觉的进展,一条是水电行业在气候变化下的挣扎。前者想把最主观的感官经验做成能算的数据,后者提醒人,再成熟的清洁能源也躲不开气候系统的约束。
一、在新泽西的实验室里,他们想闻遍地球上所有气味
新泽西的一间实验室里,研究人员干着一件听着近乎离谱的事:把地球上的气味一种一种闻过去,挨个记下来。笔记里全是「坚果味」「桃子味」这种日常说法。看着随意,其实这些描述正被转成训练数据,用来教机器怎么「闻」。
这家初创公司对外称,其打造的 AI 嗅觉系统已经达到与人类鼻子相当的水平。这个判断要是成立,就意味着嗅觉这块长期被当作「机器禁区」的感官,正被拉进可量化的技术版图。
二、把气味变成数据,究竟难在哪里
视觉和听觉能数字化,是因为光和声可以被精确拆成波长与频率。嗅觉不行。气味由成百上千种挥发性分子按不同比例混成,人鼻腔里约 400 种嗅觉受体以组合方式响应,同一个分子在不同浓度下甚至可能闻出完全不同的味道。更麻烦的是,气味感知高度依赖语境、记忆与个体差异——「好闻」从来不是一个物理量。
所以机器嗅觉一般走两条路。一条是分析化学路径,代表是气相色谱—质谱联用,成分测得准,却难以预测「闻起来是什么」;另一条是模式识别路径,靠气体传感器阵列加机器学习,能快速给出「像什么」的判断,但泛化能力和一致性长期受质疑。真正难的是把化学成分与人的主观感受之间的映射关系建起来——这恰恰需要海量、带标注、跨文化的气味样本。新泽西实验室里那些写着「桃味」「坚果味」的笔记,价值就在这儿。
三、从香精香料到疾病筛查:嗅觉 AI 的落地想象
气味一旦能被稳定编码与复现,能用的地方相当多。食品饮料行业,机器嗅觉可用于原料品控与批次一致性检测;香精香料行业,它能加快配方筛选,减少对资深调香师的路径依赖;环境监测领域,它可用于异味溯源与泄漏预警;医疗领域,呼气中的挥发性标志物已被研究与多种疾病关联,机器嗅觉有望成为一种无创筛查手段。再远一点,虚拟现实与游戏产业也在等「可编程气味」带来的沉浸感升级。
但得说清楚,这些场景大多还停在早期验证阶段。宣称「与人类鼻子相当」,先要回答:在什么任务上、用什么基准、由谁来判定?气味的「准确率」比图像分类难定义得多,因为压根不存在一个公认的气味标签体系。
四、另一条战线:水电站正在遭遇气候困境
跟实验室里的嗅觉探索形成对照的,是本期通讯关注的另一则新闻:水电行业正陷困境。水电长期被视为最稳定、最可调的清洁能源,但发电量高度依赖降水与河流径流。干旱频发、降水模式改变、冰川补给减少,正让不少地区的水库蓄水位掉到低位,发电量随之大幅波动。
问题不止于发电量。水电还扛着电网调峰、调频的重任,是消纳风电、光伏这类波动性电源的重要「缓冲器」。水电自身一不稳定,电网的灵活性就跟着收紧。与此同时,AI 数据中心的用电需求正在快速攀升,供需两头的压力叠在一起,电力系统的规划难度明显上去了。
五、编辑观察:感官数字化的叙事与现实之间
两条新闻摆在一起看,有个共同的隐喻:技术总想把复杂系统简化成可计算的模型,而真实世界的复杂性总会以某种方式反弹回来。气味的主观性和水文的波动性,说到底都是难以完全驯服的变量。
对机器嗅觉来说,更该盯的或许是数据本身,而不是某一次演示。谁建得起规模最大、标注最一致、覆盖最广的气味数据库,谁就握住了这个领域真正的基础设施。对水电而言,真正的解法不在单点技术突破,而在储能、跨区域调度与需求侧管理的系统性重构。
「AI 能闻出气味」这类消息听着不错,可基本的分寸还是得有:放到感官这件事上,「跟人差不多」这种说法最容易被拿去做宣传。真要验出成色,得看别人能不能复现、能不能大规模用起来,还得经得住时间。