Forskare har länge argumenterat för hur exakt människokroppens receptorer tillåter oss att uppfatta ett brett spektrum av lukt och ge dem en eller annan beskrivning. I ett försök att lösa detta problem uppmanades team av ingenjörer runt om i världen att skapa AI som kunde uppfatta lukt såväl som människor.
Att förutsäga färg är inte så svårt: till exempel, om en ljusvåg når 510 nm, kommer de flesta att säga att det är grönt. Men det är mycket svårare att räkna ut hur en viss molekyl luktar. 22 forskargrupper har skapat en uppsättning algoritmer som kan förutsäga lukten av olika molekyler baserat på deras kemiska struktur. Hela utbudet av praktiska användningar av programmet återstår att fastställa, men utvecklarna hoppas att det först och främst kommer att hjälpa parfymer, apotekare och matarbetare att utveckla nya, unika luktkombinationer.
Arbetet inleddes med en nyligen genomförd studie av Leslie Vosshall och kollegor vid Rockefeller University i New York, där 49 frivilliga uppmanades att gissa 467 lukt. Ett jämförelsessystem med 19 grundläggande mönster utvecklades för var och en av dem: försökspersonerna sa om lukten liknade fisk eller vitlök, bedömde aromens intensitet och individuella behaglighet. Som ett resultat skapades en katalog med fler än en miljon celler som kännetecknar vissa luktiga molekyler.
När beräkningsbiologen Pablo Meyer fick reda på detta såg han omedelbart studien som en möjlighet att testa om ett datorsystem kunde förutsäga hur människor skulle bedöma lukt. Trots det faktum att forskare har upptäckt cirka 400 luktreceptorer i människokroppen, är det fortfarande ett mysterium för forskarna hur exakt de arbetar tillsammans så att en person kan urskilja även subtila nyanser av lukt. 2015 lanserade Meyer och hans kollegor DREAM Olfaction Prediction Challenge. Deltagarna i tävlingen fick till sitt förfogande samma klassificeringstabeller över volontärer som beskriver lukt, tillsammans med den kemiska strukturen i molekylerna som producerar dem. Dessutom tillhandahöll deltagaren en databas med 4800 beskrivningar för varje enskild molekyl - dess atomer, deras ömsesidiga arrangemang, allmän geometri,vilket i slutändan uppgick till cirka 2 miljoner datapunkter. Så småningom bör data användas för att träna datorprogram för att känna igen lukt baserat på strukturell information.
Tävlingen deltog av 22 lag från hela världen, och även om många har gjort det bra, är två lag värda att lyfta fram. Michigan-teamet, ledat av Ian Phan Guang, var bäst på att förutsäga lukt för enskilda föremål. Ett annat team från University of Arizona, under ledning av Richard Guerkin, var bäst på att träna programmet för det genomsnittliga luktbetyget i hela provet. Meyer rapporterar detta i en artikel publicerad i tidskriften Science.
Naturligtvis är många forskare skeptiska till utvecklingen och säger att det arbete som utförts, även om det ger ett betydande bidrag till vetenskapen, fortfarande är ett ganska primitivt urval, och 19 beskrivande element för hela spektrum av dofter i naturen är uppenbarligen mycket, väldigt få. Alternativa studier med frivilliga använde 80 eller fler av dessa kriterier för att muntligt utvärdera olika lukt. Det är oklart om den befintliga algoritmen kommer att kunna förutsäga luktbedömningen korrekt om den måste hantera en sådan mängd information. Så idag förblir uppfattningen av lukt ett mysterium för både läkare och ingenjörer.