Sie kennen den Geruch von warmem, gebuttertem Popcorn. Ein klarer Herbsttag. Der scharfe, etwas süßliche Duft, der dem Regen vorausgeht. Aber könnten Sie diese Aromen im Detail beschreiben? Oder vergleichen? Ihre Nase verfügt über etwa 400 Geruchsrezeptoren, die die geschätzten 40 Milliarden Geruchsmoleküle der Welt in eine noch größere Anzahl unterschiedlicher Düfte umwandeln, die Ihr Gehirn verstehen kann. Doch obwohl Kindern beigebracht wird, dass Gras grün und mit Chlorophyll pigmentiert ist, lernen sie selten, den Geruch eines frisch geschnittenen Rasens zu beschreiben, geschweige denn den Geruch von Ozon vor einem Sturm. Die Fähigkeit, unseren Geruchssinn auszudrücken, fehlt den meisten von uns, auch weil wir ihn ignoriert haben.
Der Mensch ist mit dieser Einschränkung nicht allein. Wir haben Maschinen erfunden, die „sehen“ und „hören“ können: 1877 wurde erstmals Ton aufgezeichnet und wiedergegeben, ein Jahr später folgte das erste bewegte Bild. Eine Musiknote wird durch ihre Tonhöhe und eine einzelne Zahl definiert, und Computer stellen eine Farbe mit drei Zahlen dar – den Rot-, Grün- und Blauwerten (RGB), die den Arten von Farbempfangszellen in unseren Augen entsprechen. Ein Lied ist eine Abfolge von Tönen und ein Bild eine Karte aus Pixeln. Aber es gab noch nie eine Maschine, die Gerüche einwandfrei erkennen, speichern und reproduzieren konnte.
Wissenschaftler arbeiten daran, das zu ändern. Ende August veröffentlichten Forscher einen Artikel, in dem sie ein Modell vorstellten, das den Geruch eines Moleküls genauso gut oder sogar besser als den eines Menschen beschreiben kann (zumindest in begrenzten Versuchen). Das Computerprogramm tut dies, indem es Moleküle auf einer Art Geruchskarte platziert, auf der blumige Düfte näher beieinander liegen als beispielsweise bei faulen. Durch die quantitative Organisation von Gerüchen könnte die Forschung einen bedeutenden Fortschritt bei der Verbesserung unseres Verständnisses der menschlichen Wahrnehmung darstellen. Wie bereits bei der Erforschung des Sehens und der Sprache könnte die KI eine Revolution bei der Erforschung dieses rätselhafteren menschlichen Sinnes verheißen.
„Das letzte Mal, dass wir einen menschlichen Sinn digitalisiert haben, ist eine Generation her“, erzählte mir Alex Wiltschko, Neurowissenschaftler und Mitautor der Arbeit. „Solche Gelegenheiten gibt es nicht so oft.“ Computer können noch nicht richtig riechen, aber diese Forschung ist ein großer Schritt in Richtung dieses Ziels, das Wiltschko bei Google Research zu verfolgen begann und nun im Mittelpunkt seines Start-ups Osmo steht. „Die Leute versuchen schon seit langem, Gerüche anhand der chemischen Struktur vorherzusagen“, erzählte mir Hiroaki Matsunami, ein Molekularbiologe an der Duke-Universität, der den Geruchssinn erforscht und nicht an der Studie beteiligt war. „Das ist zum jetzigen Zeitpunkt das Beste, um diese Aufgabe zu bewältigen. In diesem Sinne ist es ein großer Fortschritt.“
Algorithmen für maschinelles Lernen erfordern eine große Datenmenge, um zu funktionieren, und die einzigen Informationen, die für einen Duft verfügbar sind, stammen von notorisch unzuverlässigen menschlichen Nasen und Gehirnen. (Selbst geringfügige Änderungen an einem Molekül können dafür sorgen, dass eine süße, nach Banane duftende Verbindung nach Erbrochenem riecht; mysteriöse Veränderungen an Nase und Gehirn, wie viele leider durch die Entwicklung von COVID-19 gelernt haben, können dazu führen, dass Kaffee nach Abwasser riecht.) Wiltschko und sein Team Ziel war es, eine Reihe von etwa 5.000 Molekülen und zugehörigen Geruchsbeschreibungen („alkoholisch“, „fischig“, „rauchig“ usw.) von Forschern in der Geschmacks- und Duftstoffindustrie zu identifizieren und zu kuratieren, und diese Daten dann einer Art von zuzuführen Ein Algorithmus namens „Graph Neural Network“, der in der Lage war, die Atome und chemischen Bindungen jedes Moleküls in einer Art internem Diagramm darzustellen. Das resultierende Programm kann anhand der Struktur eines Moleküls vorhersagen, wie es als Kombination der vorhandenen Geruchsetiketten riechen wird.
Die Genauigkeit dieser Vorhersagen zu testen, stellte eine ganz andere Herausforderung dar. Das Team musste einer neuen, unabhängigen Gruppe von Menschen beibringen, eine neue Gruppe von Molekülen zu riechen und zu kennzeichnen, die das Programm noch nie analysiert hatte. „Die Leute sind wirklich schlecht darin [describing scents] wenn sie die Straße verlassen“, erzählte mir Joel Mainland, ein Neurowissenschaftler am Monell Chemical Senses Center in Philadelphia, der bei der Durchführung der Schulung für die Studie mitgewirkt hat. „Wenn man sie ein paar Stunden lang trainiert, werden sie ziemlich schnell ziemlich gut.“
In fünf einstündigen Sitzungen erhielten die Teilnehmer verschiedene Substanzen, die mit einem von 55 verschiedenen Gerüchen verbunden waren, wie etwa Kombucha („fermentiert“), ein Buntstift („wachsartig“) oder ein grüner Apfel „Jolly Rancher“ („Apfel“). um einen Referenzpunkt für jedes Etikett zu lernen. Anschließend machten die Teilnehmer einen Test, bei dem sie den Geruch von 20 gängigen Molekülen beschreiben mussten (Vanillin duftet nach Vanille; Carvon ist minzig). Anschließend wiederholten sie den Test, um sicherzustellen, dass ihre Urteile konsistent waren, sagte Emily Mayhew, Lebensmittelwissenschaftlerin in Michigan State University und Co-Autor der Studie, erzählte es mir. Jeder, der bestanden hat, konnte bei der Validierung des Algorithmus helfen.
Die Forscher stellten einen Satz von Molekülen zusammen, der sich stark von dem Satz unterschied, der zum Trainieren des Programms verwendet wurde, und ließen die Teilnehmer dann alle neuen Moleküle riechen und mit verschiedenen Markierungen beschreiben, die jeweils mit einer Bewertung von null bis fünf bewertet wurden (hypothetisch könnte eine Zitrone eine Fünf erhalten). für „Zitrusfrucht“, eine Zwei für „fruchtig“ und eine Null für „rauchig“. Der Durchschnitt aller dieser Bewertungen wurde zum Maßstab für den Vergleich des Computers. „Wenn man zwei Leute nimmt und sie bittet, einen Geruch zu beschreiben, sind sie oft anderer Meinung“, sagte Mainland. Aber der Durchschnitt mehrerer geruchsgeschulter Menschen sei „ziemlich stabil“.
Insgesamt „riech“ das KI-Modell etwas genauer als die an der Untersuchung teilnehmenden Personen. Das Programm liefert „einen wirklich überzeugenden Beweis dafür, dass einige Schlüsselaspekte unserer Geruchswahrnehmung gemeinsam sind“, sagte mir Sandeep Robert Datta, ein Neurobiologe in Harvard, der die Forschung nicht durchgeführt hat, aber ein informeller Berater von Osmo ist. Wie zwei Menschen genau denken, dass eine Zitrone riecht, ist unterschiedlich, aber die meisten sind sich einig, dass sowohl eine Zitrone als auch eine Orange nach Zitrusfrüchten riechen, ein Apfel jedoch nicht.
Dann gibt es noch die Karte der Studie. Jedes Molekül und damit sein Geruch können numerisch in einem mathematischen Raum dargestellt werden, den die Autoren als „Hauptgeruchskarte“ bezeichnen. Es gibt nicht nur Einblick in die Beziehung zwischen Struktur und Geruch, sondern auch in die Art und Weise, wie unser Gehirn Gerüche organisiert, sagte mir Wiltschko: Blumige Düfte befinden sich in einem Abschnitt der Karte, fleischige Düfte in einem anderen; Lavendel ähnelt auf der Karte eher Jasmin als einem kräftigen Aroma.
Datta warnte, dass er die Geruchskarte nicht einmal als grundlegend bezeichnen würde wahrnehmungsbezogen. „Es gelingt wunderbar, die Beziehung zwischen Chemie und Wahrnehmung einzufangen“, sagte er. Es berücksichtigt jedoch nicht alle Schritte – von den Rezeptoren in unserer Nase bis zur Großhirnrinde in unserem Gehirn – die ablaufen, wenn ein Molekül in chemische Signale umgewandelt wird, die dann in verbale Beschreibungen eines Geruchs umgewandelt werden. Und die Karte unterscheidet sich von den RGB-Werten darin, dass sie keine grundlegenden Komponenten beschreibt, die einen Geruch erzeugen können – obwohl sie „uns darauf hindeutet, dass RGB [for smell] ist möglich.” Die wahrnehmungsbezogene Geruchskarte des Computermodells sei ein „außerordentlich wichtiger Proof of Concept“, fügte er hinzu, und liefere entscheidende Einblicke in die Art und Weise, wie das Gehirn Gerüche zu organisieren scheint. Man könne beispielsweise davon ausgehen, dass bestimmte Geruchskategorien – zum Beispiel Zitrus- und Rauchgerüche – völlig getrennt seien, sagte Datta. Aber die Geruchskarte legt nahe, dass Wege sogar diese unterschiedlichen Düfte verbinden.
Das Modell ist nur der erste von vielen Fortschritten, die zur Digitalisierung von Düften erforderlich sind. „Es fehlen ihm immer noch einige wichtige Aspekte des Geruchs“, sagte mir Matsunami, was die Autoren des Papiers bereitwillig zugeben. Ihr Programm kann nicht vorhersagen, wie Moleküle in Kombination riechen, und die meisten natürlichen Gerüche sind das Ergebnis sehr komplexer Mischungen. Es wurde auch nicht darauf ausgelegt, die Geruchskonzentration zu berücksichtigen, die nicht nur den Grad, sondern auch die Qualität eines Geruchs verändern kann (das Molekül MMB verströmt beispielsweise in kleinen Dosen einen angenehmen Geruch und wird Haushaltsreinigern zugesetzt). Aber in hohen Konzentrationen trägt es dazu bei, dass Katzenurin wie Katzenurin riecht. Dass das Modell auch einen Geruch nur im Durchschnitt vorhersagt, macht es unklar, wie gut das Programm angesichts der individuellen Wahrnehmungen der Menschen in der realen Welt funktionieren würde, sagte Datta. Obwohl die Forschung dem „Manhattan-Projekt zur Kategorisierung von Geruchsqualitäten relativ zu physikalischen, chemischen Parametern“ ähnelt, sagte mir Richard Doty, der Direktor des Smell and Taste Center an der University of Pennsylvania, der nicht an der Studie beteiligt war: Für ihn ist unklar, wie weit das Modell angesichts der Komplexität unserer Nase unser Verständnis von Gerüchen erweitern kann. „Ich weiß nicht, wohin es uns führt.“
Dennoch könnte zukünftige Forschung einige dieser Probleme angehen, argumentiert Wiltschko, und die Karte selbst verfeinern. Beispielsweise wird die Anzahl der Dimensionen in der Karte willkürlich festgelegt, um das Computerprogramm zu optimieren; Änderungen an den Trainingsdaten könnten das Modell ebenfalls verbessern. Und die Untersuchung anderer Teile unseres Geruchssystems, etwa der Rezeptoren in unserer Nase oder der Nervenbahnen zum Gehirn, wird wahrscheinlich auch dazu beitragen, mehr darüber zu erfahren, wie und in welchen Phasen der menschliche Körper verschiedene Gerüche verarbeitet. Eines Tages könnte eine Reihe von Programmen, die die Struktur, Konzentration und Mischung von Molekülen in einen Geruch übersetzen können, gepaart mit einem chemischen Sensor, die digitale Geruchswahrnehmung wirklich verwirklichen.
Auch ohne richtiges Smell-o-Vision ist es in gewisser Weise schockierend, dass ein Computermodell, das von den Fakten der menschlichen Verkörperung losgelöst ist – ein Programm hat keine Nase, keinen Riechkolben und kein Gehirn – zuverlässig vorhersagen kann, wie etwas riecht. „Der Artikel vertritt implizit das Argument, dass man das Gehirn nicht verstehen muss, um die Geruchswahrnehmung zu verstehen“, sagte Datta. Die Forschung spiegelt ein neues, KI-gestütztes wissenschaftliches Verständnis wider, das überall aufzutauchen scheint – der Einsatz von Chatbots zur Untersuchung des Sprachnetzwerks des menschlichen Gehirns oder der Einsatz von Deep-Learning-Algorithmen zur Faltung von Proteinen. Es ist ein Verständnis, das weniger auf der Beobachtung der Welt als vielmehr auf Daten beruht: Vorhersage ohne Intuition.