Компания, возглавляемая бывшим сотрудником Google, намерена наделить компьютеры обонянием

Из пяти человеческих чувств ИИ уже способен имитировать зрение и слух. А компания Osmo хочет использовать эту технологию для оцифровки обоняния. Алекс Уилтшко — генеральный директор и соучредитель стартапа, который использует технологию искусственного интеллекта, чтобы помочь компьютерам «генерировать запахи, точно так же, как изображения и звуки», говорится на сайте компании. В интервью CNBC Make It Уилтшко рассказал, что давно «одержим идеей передачи запахов». «Запахи — это моя страсть», — признается он.

Уилтшко получил степень бакалавра в области нейронаук в Мичиганском университете и изучал обоняние в Гарвардском университете, где в 2016 году получил степень доктора философии. В следующем году он стал научным сотрудником Google Research, где в течение пяти лет руководил командой, которая использовала машинное обучение, чтобы научить компьютер предсказывать запах различных молекул на основе их структуры.

Хотя компания Osmo начиналась как исследовательский проект во время работы Уилтшко в Google, в 2022 году при поддержке Lux Capital и Google Ventures она превратилась в стартап. По словам генерального директора Osmo, миссия компании — «здоровье и счастье человека». Уилтшко считает, что люди могут получить пользу от предоставления компьютерам возможности обрабатывать запахи. Он также рассказал, как Osmo разработала свою уникальную технологию и чего, по его мнению, эта технология поможет достичь в будущем.

Одной из главных причин Уилтшко называет то, что такая функция очень важна для помощи медикам при диагностике заболеваний. «Мы знаем, что запах содержит информацию, которую можно использовать для выявления заболеваний, — говорит он. — Но компьютеры еще не умеют говорить на этом языке и не могут интерпретировать эти данные».

Такова долгосрочная цель компании, а в ближайшей перспективе он хочет, чтобы Osmo создавала более безопасные и устойчивые ароматические молекулы для отдушек в таких продуктах, как духи, шампуни, средства от насекомых и стиральные порошки.

«В этих продуктах обычно присутствуют ароматизаторы, разработанные очень узким кругом компаний, — рассказал Уилтшко. — Мы считаем, что можем добиться большего, создав более качественные и безопасные ингредиенты, которые не являются токсичными и не раздражают кожу и глаза».

Во время работы в Google Research команда Уилтшко использовала программное обеспечение для машинного обучения, чтобы разработать «карту основных запахов». Для этого его команда обучила свою ИИ-модель на наборе данных из 5 тыс. молекул ароматов, относящихся к различным категориям запахов, таким как цветочный, фруктовый или мятный.

Уилтшко обнаружил, что сложность структуры молекул представляет проблему для компьютерного анализа. «Причина, по которой это так сложно, заключается в том, что можно переместить одну крошечную деталь в молекуле, например, одну связь, и аромат молекулы превратится из розы в тухлое яйцо», — говорит он.

Но благодаря достижениям в области искусственного интеллекта модель смогла уловить закономерности в различных структурах молекул и использовать эти знания для точного предсказания запаха других молекул. «Она демонстрировала сверхчеловеческую способность предсказывать запахи», — говорит Уилтшко.

В то время как большие языковые модели, известные как ИИ-чатботы, могут быть обучены на данных из «всего интернета», подобной цифровой библиотеки данных о запахах не было в свободном доступе, когда они начали создавать свою ИИ-модель, говорит Уилтшко. «Мы поняли, что не можем использовать чужие данные, — говорит он. — Нам пришлось потратить около года на работу с компаниями в сфере парфюмерии, у которых, по их мнению, были отличные наборы данных, но мы обнаружили, что это не так».

Это заставило Уилтшко и его команду создать «новый вид данных», говорит он. Они получили тысячи молекул и описания их запахов, составленные профессиональными парфюмерами. Затем они загрузили эти данные в графовые нейронные сети (ГНС), которые относятся к разделу машинного обучения и используют мощные алгоритмы для обнаружения и анализа взаимосвязей между точками данных.

В конечном итоге Osmo планирует использовать свою технологию для передачи запахов, оцифровывая их в одном месте и воссоздавая его точную копию в другом, говорит Уилтшко. Компания также продолжает работу над воплощением в жизнь своей долгосрочной цели — применения технологии для раннего выявления заболеваний. «В конечном итоге мы сможем выявлять болезни с помощью анализа запахов,, — говорит он. — Это произойдет не в этом году и не в ближайшее время, но мы уже на пути к этому».

Онлайн-профили LinkedIn могут давать информацию о нашей личности, такую как нарциссизм и интеллект. Исследование показало, что алгоритмы машинного обучения могут анализировать эти данные и делать выводы о характере человека на основе профилей в LinkedIn, что может быть полезным для рекрутеров и организаций. Для изучения способности LinkedIn отражать черты личности исследователи провели детальный анализ профилей 406 пользователей данной сети, говорящих на немецком языке.