104學習精靈

實驗室設備操作

學習課程

共學證照測驗

實驗室設備操作

關注

邀請朋友

Line

Facebook

複製連結

取消

關於教室

關注人數 399 人

104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。

學習主持人

持續分享知識，
有機會成為官方教室主持人

教室標籤

實驗室設備操作

Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！

我要分享

我要提問

實驗室設備操作學習推薦

全部

影片

文章

AI 趨勢報－科技愛好者的產地🤖

關注

知識貓星球

喵星人

09/12 09:00

AI 技術破解嗅覺奧祕：Osmo 如何用氣味圖譜推動未來香氛和醫療市場

你知道嗎？嗅覺的神祕比我們想像的還要複雜，兩種看似相似的分子結構竟然可能散發出截然不同的氣味。隨著 AI 技術的進步，這一切似乎開始有了答案。本文將深入探討新創公司 Osmo 如何運用 AI 技術開發氣味圖譜，解開人類嗅覺奧祕，並展望其在香氛、醫療等市場中的應用潛力。

▍AI 嗅覺的研究突破

氣味，是一種難以量化和標準化的感官體驗。兩種化學結構相似的分子可能產生完全不同的氣味，而完全不同的結構卻可能擁有相近的氣味特徵。這使得從化學結構角度解讀氣味的挑戰極大。人類鼻子內的嗅覺受體多達約400種，每種受體能夠識別不同的氣味分子，這些受體如何相互協作，產生具體的嗅覺感受，至今仍是一個未解之謎。

隨著 AI、結構生物學和數據分析的發展，科學家開始逐漸解開嗅覺的奧祕。從研究動物如何利用氣味尋找食物或伴侶，到研究嗅覺如何影響人類的記憶、情緒和健康，這些研究的結果將帶來許多應用，像是新型診斷設備、驅蟲劑或香精香料市場的新產品。

▍Osmo 開發氣味圖譜的前沿研究

在這樣的背景下，從 Google Research 分拆出的新創公司 Osmo 脫穎而出。由前 Google Brain 研究科學家 Alex Wiltschko 帶領的團隊，致力於開發一種能夠將氣味「數位化」的氣味圖譜。2023年，Osmo 與美國莫乃爾化學感官中心合作，利用數千個來自香氣目錄的分子結構數據及其對應的氣味描述（如牛肉味、花香等）訓練 AI 模型，以預測分子結構的氣味特徵。

為了測試這個 AI 模型的準確性，他們邀請了15位氣味專家，使用55種形容詞對數百種氣味進行評分，然後與模型的預測進行比較。結果顯示，AI 模型在辨識氣味方面的準確性超越了專家們的平均水平。這項成果表明，AI 可以依據化合物的分子結構，精準地預測其氣味。

▍AI 如何改變嗅覺市場與科技

Osmo 的 AI 模型擁有超過250個維度的氣味圖譜，能夠細緻地將氣味分類，如肉類、酒精、木質等類型。Joel Mainland 和 Osmo 團隊的下一個研究目標是檢驗模型是否可以根據單一化合物的成分來預測多種化合物混合時的氣味。這不僅對香精香料市場具有革命性意義，還可以為醫療和其他領域提供精確的氣味數據。

AI 在氣味預測上的突破，使得氣味數位化成為可能。未來，我們可以用 AI 來設計特定的香氛分子，或是創造更安全、更永續的驅蟲劑和消毒劑。此外，AI 技術還可以應用在根據病患氣味診斷疾病的設備上，帶來更快速和精確的診斷。

▍嗅覺受體研究的最新進展

人類鼻腔內的嗅覺神經元數量達數百萬，每個神經元專門表達一種氣味受體。這些受體的基因結構早在1990年代初期被發現，並為 Linda Buck 和 Richard Axel 贏得了2004年的諾貝爾獎。研究發現，每一種受體能夠識別多種氣味，而一種氣味也能被多種受體識別。了解這些受體的構造以及它們如何與化學分子結合，是解開嗅覺奧祕的關鍵。

在這方面，加州大學舊金山分校的生物化學家 Aashish Manglik 的研究引人注目。他們成功解析了人類嗅覺受體 OR51E2 的蛋白質結構，並進一步研究了另一個受體 OR1A1，這個受體能夠識別多種氣味，包括水果香味和花香。透過計算模型和 Google DeepMind 的 AlphaFold 技術，他們進一步探索了哺乳動物氣味受體的結構，這些研究將為生物和醫藥科技帶來巨大進步。

▍AI 與嗅覺科學的未來

隨著 AI 技術在氣味分析領域的不斷進步，我們正走向一個可以數位化描述氣味的時代。從香氛市場的創新應用到醫療診斷設備的發展，AI 的介入將徹底改變我們理解和應用嗅覺的方式。Osmo 等公司在這一領域的前沿探索，無疑將為未來開啟更多可能性。

➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！