Wink Pings

AI嗅觉达到人类水平?Osmo的模型先得解决卡芒贝尔和尿布

Osmo用1000万人类标签训练嗅觉基础模型,称已接近普通人,并做出蛋挞味香水、驱蚊分子和假鞋检测。但批评者指出,气味离不开上下文,医疗诊断还远。

在新泽西纽瓦克机场附近的一间实验室里,约30名受过训练的嗅辨员每天闻东西。他们记下“坚果味”“桃味”“海洋味”,再和化学分析对照。这些记录喂给AI创业公司Osmo的模型。公司创始人Alex Wiltschko说,目标很直接:给计算机一个鼻子。

Osmo创始人Alex Wiltschko

图片来源:OSMO AI

Osmo最近宣称,模型达到“人类嗅觉智能”。公司的定义是:检测和区分气味的能力约等于普通人,创造气味的能力约等于初级香水设计师。这个说法需要打引号。它来自公司,不是学界统一标准。上个月,公司还称其模型在一家全球大型消费品公司的内部调香师比拼中胜出。Osmo的技术已被用于香水行业,和P&G合作过香精。更早的案例包括:盖茨基金会先投了500万美元,后又给350万美元资助评估驱蚊分子,Osmo找出8种比DEET更驱蚊的物质;它还和StockX合作,通过材料化学成分差异识别假运动鞋。

嗅觉AI的难点先卡在数据。Wiltschko统计,Osmo之前,现有数据库里人类对气味的描述不到20万条。化学传感器贵,香水行业又对嗅觉研究守口如瓶。Osmo的办法是自建数据:超过1000万条人类标签,8亿个“气味token”,描述具体分子和浓度。公司用光谱仪和其他化学传感器全天候拆解水果、花朵、食品储藏室原料甚至器官的分子构成。美国和海外约70名受训标注员每天闻东西,用标准化香精词汇记录。

这些数据开始产出一些奇怪的对照。Wiltschko说,定义新生儿气味的气味token,和刚出锅的Barilla意大利面有大量重叠。分子比例稍微变一点,人的感知就会大变。这也解释了为什么气味可以被拆成token,再被模型组合。Osmo还有一台校车大小的气味打印机器人,按精确配方混合原料。它可以根据类似ChatGPT的提示设计和打印气味。在里斯本Web Summit,我让Wiltschko生成一款葡萄牙蛋挞味香水,面向18到23岁男性。系统想了几分钟,给出三个方案,关键词是奶油、椰子、果香,并列出需要的分子。如果继续下单,我的“蛋挞之水”大约一周后做好。

听起来像 demo,但它暴露了这套系统的真正卖点:把气味变成可检索、可组合、可生产的数据。香水只是最容易收费的场景。

质疑也跟着来。嗅觉科学家、《What the Nose Knows》作者Avery Gilbert在Substack上批评Osmo,认为一些营销说法没有文档支撑,专利文件仍依赖人类感官小组和调香师。他写道,这对一家以超酷AI为前提的公司来说有点奇怪。Osmo代表未在发稿前回应。

曾为Osmo提供咨询的Michael Schmuker说,公司的技术是一项成就。他和同事做过Osmo 2023年模型的开源逆向版本,但缺少公司后来收集的大量数据。他提醒,气味离不开上下文。卡芒贝尔奶酪和用过的尿布有部分相同分子,人不会混淆,因为场景不同。在香水实验室这种受控环境里,缺少上下文可能问题不大。若要让AI成为世界模型的“嗅觉通道”,比如在产线上闻出食物变质,或像狗一样通过气味筛查肿瘤,传感器和模型都还得继续进步。

医疗诊断是最大的潜在奖品。Wiltschko也承认难。他说,很多公司直接冲山顶,结果失败,因为昂贵且困难。Osmo的策略是在山脚建基础,派探险队上山,先把整个世界闻一遍。

原文:Amit Katwala,MIT Technology Review。

发布时间: 2026-11-18 18:20