文章專區

感官如何將不同的外部刺激轉化為感知，是神經科學的重要課題，其中嗅覺又因為特別複雜而難以破解。近期美國莫乃爾化學感官中心（Monell Chemical Senses Center）和新創公司Osmo合作研發出一款機器學習模型（machine-learning model），能模擬人類以言語描述化學物質氣味。此研究將有助於解開嗅覺的神祕面紗，目前成果已發表在《科學》（Science）期刊中。
 
過往的神經科學研究對於各種刺激產生的知覺，如光照產生的視覺、接收聲音轉為聽覺，以及食物化學分子帶來的味覺等感官機制已經有了一定程度的理解。但是嗅覺遠比想像中更加複雜，人類大約擁有400個嗅覺受體，此數量遠超過判斷顏色的四個視覺受體以及約40個的味覺受體。此外，空氣中各式各樣的化學物質如何與受器結合進而影響大腦中的嗅覺感知，一直都是科學中的未解之謎。
 
為此，新創公司Osmo與莫乃爾化學感官中心合作研發了一款人工智慧（artificial intelligence, AI），能夠以比人類更穩定的精準度，用言語描述化學物質的氣味，像是講出果香與花香。在訓練完成後，研究團隊還透過盲測驗證以評估模型的效能。首先找來受過訓練的參與者描述新的氣味分子，這些參與者接受過一套描述氣味的字彙訓練，裡面包含了55個不同的形容詞，以此建構出嗅覺地圖，爾後他們被要求描述400個之前未曾接觸過的氣味。最後將參與者的答案與模型的描述進行比較。結果證實，該模型不僅在已經訓練過的嗅覺任務中表現出色，能夠辨識出結構不同但具有相似氣味的分子，此外也可以用來描述氣味的強度等多種特性，比人類參與者描述未知分子的穩定度高，更能正確的描述第一次接觸的氣味分子。
 
這項研究開啟了一個理解嗅覺的全新可能性。研究人員認為，人工智慧模型可能是基於與代謝（metabolism）相關的資訊來組織氣味，這將是對科學家對氣味的看法的重大轉變。換句話說，在嗅覺地圖上靠近彼此的氣味可能與代謝相關。這項新觀點可能將改變我們對嗅覺的認識，從以往的化學角度轉向了生物學的角度，以氣味分子的營養代謝做為分類與研究。
 
這項研究提供了人們理解嗅覺感知的全新工具和觀點。未來，此地圖可能有助於化學、嗅覺神經科學和心理物理學的研究，並深化我們對嗅覺的認識。這也可能引領著一場數位嗅覺的革命，為氣味數位化開啟新的可能性。

 
新聞來源
Karen, K and Barakat, A. (2023 August 31). A Step Closer to Digitizing the Sense of Smell: Monell Center, Osmo Model Describes Odors Better than Human Panelists. Monell Center. https://monell.org/a-step-closer-to-digitizing-the-sense-of-smell-monell-center-osmo-model-describes-odors-better-than-human-panelists/.