# Алекс Вилтшко из Osmo: «Мы оцифруем запахи и создадим фотоальбомы ароматов за 10 лет» Источник: https://www.youtube.com/watch?v=QVe6U2liBKM Канал: Eye on AI Опубликовано: 20.11.2023 --- Алекс Вилтшко, основатель и генеральный директор компании Osmo, в интервью для проекта Eye on AI подробно рассказывает о том, как искусственный интеллект впервые в истории учится понимать и оцифровывать запахи. Путь исследователя от нейробиологии в Гарварде до разработки ИИ-платформы в Google Brain привел к созданию технологии, способной предсказывать аромат молекулы по ее структуре точнее, чем это делают профессиональные «носы». ## 🧠 Нейробиология обоняния: почему запахи так важны [[JUMP:02:40]] Алекс Вилтшко подчеркивает, что обоняние — это глубоко недооцененное чувство, которое напрямую связано с нашими эмоциями и памятью. Согласно данным Allen Brain Atlas, если ранжировать чувства по количеству мозгового вещества, выделенного на их обработку, зрение занимает первое место, а обоняние — второе, опережая слух [11:29]. Ключевые особенности биологического обоняния: * **Сложность рецепторов:** В человеческом глазу всего три типа цветовых каналов (RGB), в то время как в носу человека находится около 350 типов обонятельных рецепторов [15:44]. * **Обонятельный эпителий:** Область размером с почтовую марку, где нейроны экспрессируют рецепторы, чувствительные к различным частям химического пространства [17:07]. * **Первичная обработка:** Сигналы от рецепторов поступают в пириформную кору (piriform cortex), расположенную в нижней части мозга, где и происходит формирование восприятия запаха [11:01]. Алекс Вилтшко отмечает, что 90% того, что мы называем «вкусом», на самом деле является запахом [08:22]. Благодаря «эффекту дымохода», когда мы глотаем пищу, пары поднимаются из горла в носоглотку, позволяя мозгу распознавать тысячи молекул, содержащихся, например, в вине. По мнению гостя, мастерство сомелье или парфюмера заключается не в биологической уникальности их носа, а в феноменальной способности ассоциировать запахи со словами и огромном накопленном каталоге опыта [07:43]. ## 🗺️ Создание цифровой карты запахов [[JUMP:13:43]] Главная проблема оцифровки запахов заключалась в отсутствии фундаментальной «карты». Для зрения есть модель RGB, для звука — частотная база (преобразование Фурье). Для запаха такой структуры не существовало, так как 350-мерное пространство невозможно нанести на плоский лист бумаги [16:09]. Для решения этой задачи Osmo применила подход ИИ: 1. **Графовые нейронные сети (GNN):** Молекула представляется как граф, где атомы — это узлы, а связи между ними — ребра [19:48]. Это позволяет ИИ анализировать структуру малых молекул (обычно от 5 до 20 атомов), которые мы способны ощущать. 2. **Обучение с учителем:** Модель обучалась на парах «структура молекулы — описание парфюмера». Исследователи разработали стандартный лексикон из примерно 140 слов (в научной работе использовалось 55 слов для ускорения обучения), чтобы избежать субъективности [22:53]. 3. **Эмбеддинги:** В процессе обучения нейросеть создала внутреннюю карту (embedding) размерностью около 250 измерений. Вилтшко отмечает, что это число подозрительно близко к количеству биологических рецепторов человека (350) [29:37]. В результате эксперимента, опубликованного в журнале *Science*, модель Osmo прошла своего рода «тест Тьюринга для запахов» [18:54]. Предсказания ИИ оказались ближе к среднему значению оценок группы экспертов-дегустаторов, чем оценки любого отдельного участника этой группы [27:25]. ## 🦟 От парфюмерии до борьбы с насекомыми [[JUMP:32:58]] Технология Osmo имеет два основных направления применения: коммерческое (создание новых ароматов) и гуманитарное (здравоохранение). **Безопасная парфюмерия:** Вилтшко утверждает, что многие привычные нам ингредиенты в ближайшие 5–10 лет могут исчезнуть с рынка из-за ужесточения норм безопасности (раздражение кожи) или требований к биоразлагаемости [34:30]. Osmo использует ИИ для поиска новых молекул, которые пахнут так же, как известные ароматы (например, роза или жасмин), но при этом полностью безопасны и дешевы в производстве. **Борьба с болезнями:** Совместно с Фондом Билла и Мелинды Гейтс (Gates Foundation) Osmo разрабатывает новые репелленты [35:24]. * **Исторические данные:** Команда нашла данные Министерства сельского хозяйства США (USDA) 1942 года, которые были оцифрованы Google Books [37:14]. В этих книгах содержались результаты испытаний тысяч химикатов на солдатах во время Второй мировой войны, когда комары были большей угрозой, чем противник. * **Результат:** ИИ проанализировал эти данные и смог предсказать новые структуры репеллентов, которые по эффективности не уступают или превосходят ДЭТА (DEET), но потенциально более приятны для человека и безопасны [39:59]. Тестирование проводится в партнерстве с TropIQ в Нидерландах. ## 📸 «Осмография» и будущее оцифровки воспоминаний [[JUMP:46:00]] Алекс Вилтшко проводит аналогию: «Осмография» для запаха — это то же самое, что фотография для света [47:07]. Он прогнозирует, что путь, который прошла фотография за 100 лет (от живописи к цифровым снимкам), обоняние пройдет за 10 лет благодаря современным технологиям. Перспективы цифрового запаха по мнению Вилтшко: * **Запись и воспроизведение:** Возможность захватить запах «подвала бабушкиного дома», сохранить его в цифровом виде и воспроизвести позже для возвращения к воспоминаниям [46:41]. * **Электронные носы:** Osmo готова сотрудничать с производителями датчиков, чтобы использовать свою карту для интерпретации шумных сигналов от физических сенсоров [42:12]. * **Робототехника:** Для того чтобы роботы могли полноценно взаимодействовать с миром, им необходимо «измерять то, что они хотят автоматизировать». Вилтшко цитирует своего научного кумира Зубина Гахрамани: «Нельзя автоматизировать то, что нельзя измерить» [1:00:47]. ## 🤖 Роль LLM и масштабируемость технологий [[JUMP:55:23]] Обсуждая хайп вокруг больших языковых моделей (LLM), Алекс Вилтшко выражает скептическое отношение к их способности напрямую проектировать молекулы. Его аргументы: * **Специфичность данных:** В корпусах текстов, на которых учатся LLM, недостаточно данных о молекулярном уровне запахов [56:33]. * **Галлюцинации:** Ошибка в историческом отчете безобидна, но галлюцинация при создании новой молекулы может быть опасной [57:24]. * **LLM как интерфейс:** Вилтшко видит будущее в использовании LLM как «клея» или естественного интерфейса, который будет обращаться к специализированным API Osmo для выполнения точных задач [58:49]. На текущий момент платформа Osmo является проприетарной. Компания фокусируется на создании облачной инфраструктуры для обработки химических данных, хотя теоретически такие модели могут быть развернуты локально на устройствах с датчиками в будущем [54:57].