作者：陸向陽
AI模型可以識別文字、圖片、實體世界（空間、重力）已不稀奇，稀奇的是用來識別嗅覺。近期麻省理工學院（MIT）正試圖把嗅覺數位化，而後建立成資料庫，以利後續各界訓練嗅覺相關的AI模型，此資料庫稱為SmellNet。
很明顯的，現有AI模型多與文字、圖片識別相關，嗅覺識別的發展遠遠不如，現在MIT研究人員試圖把嗅覺視覺化，哪些味道相近相鄰？哪些味道差距很大等，將此建立起來，成為數位資料庫與AI訓練所需的資料集。
SmallNet目前已有初步發展，MIT將氣味分成五大類，分別是堅果、香料、草本植物、水果以及蔬菜等，而後每一大類再細分出十個小類，例如蔬菜大類下有馬鈴薯、蕃茄等小類，水果大類下有蘋果、鳳梨等小類，總計50種物質氣味。
這些氣味資訊的收集是透過氣體感測器來取樣的，每個物質的氣味量測6次，每次量測時間10分鐘，每次都相隔不同時日進行測量等，並且也控制其他環境變數（避免混雜到其他氣味），如此總共有50個小時的量測數據。
圖1：SmellNet氣味資料的收集程序（圖片來源：MIT）
為了捕捉這些氣味的特徵，MIT研究團隊使用了多種感測器，例如WSP2110半導體感測器，它可以感測多種有機化合物的揮發性氣體，如甲苯、甲醛、苯、酒精、丙酮等。
然後也使用Bosch Sensrotec BME680感測器來追蹤環境的溫濕度；另也用上MQ系列與MP503感測器來偵測乙醇、一氧化碳、氨等氣體；還有用上Seeed Studio的Grove連接器第二版多通道氣體感測器（Grove Multichannel Gas Sensor V2），感測器上有獨立的金屬氧化物通道（metal-oxide channels），可以進一步擴展化合物檢測的範圍。
除了感測器外，MIT是用Adafruit的HUZZAH32 ESP32 Feather開發板來讀取、記錄上述感測器的量測資料。
圖2：氣味感測器的電路圖（左）與SmellNet五大類、50小類氣味分佈圖（右）（圖片來源：MIT）
初步建立資料庫後，MIT很快拿這些數據來訓練模型，讓AI模型能夠分辨氣味，目前以具有記憶性的LSTM或Transformer構建的模型有較佳的分辨表現。另外MIT研究團隊也使用相對學習手法，將低解析度的感測器資料與氣相層析質譜儀（Gas Chromatography-Mass Spectrometry, GC-MS）的化學量測都用於訓練特徵中。
圖3：用SmellNet為訓練資料集，進行監督式學習訓練、相對學習訓練（右）（圖片來源：MIT）
目前MIT訓練的AI模型，在識別已經預先存放的氣味的表現較理想，識別成功率達65.35%，如果是在不受控的自然環境上識別氣味，其成功率就明顯降低，降至10.71%至25.38%區間，視不同氣味而定。
歸結而言，這是一個非常前期的研究嘗試，相信MIT會持續深化研究，一方面增加在各種情境下的氣味分辨精準度，另一方面也擴展到更多的氣味分辨，而非拘限於50種氣味。
圖4：SmellNet的50種氣味分辨精準度排序（圖片來源：MIT）
結語
至此各位可能會問：SmellNet是單純的好奇、興趣研究嗎？
答案為否，氣味識別研究最終依然要走向產業實務應用，例如用來偵測目前的空氣中是否有過敏原（例如花生）？或透過氣味強化醫療診斷，或感測到廠房產線上的特定氣味就意味著該批生產品即將失敗，應當及時介入，避免持續生產不良品。
循此思路，或許往後的超級市場能運用此類AI模型分辨哪些蔬果即將腐敗而發出警示應當丟棄，不再是單純參考標註的過期日期，畢竟許多鮮食標註的保存期限是有但書條件的，例如運送與保存的全程必須在攝氏4度以下，才能保證保存期限為14天。
然實務上不可能確保隨時在4度以下，運送過程中的暫時擱置於外，或冰櫃門被顧客頻繁開關等，都會影響保存。
展望後續，或許氣味AI模型很快也會有多模態的發展，或者是與機器人應用結合，或者是與擴增實境（AR）應用結合等。
更有甚者，嗅覺模型也可能成為練就通用人工智慧（AGI）的一部份，畢竟AGI的終極目標是訓練出一個與人類相仿的全方位智慧表現的AI模型，那麼氣味嗅覺的分辨能力也可納入其中。
延伸閱讀：
- SMELLNET: A Large-scale Dataset for Real-world Smell Recognition（研究報告，英文，22頁）
- Multi-sensory Intelligence Lab – Smell Sensor Demo（SmellNet氣味量測過程影片）
- GitHub上的SmellNet資料、程式與模型
- 讓機器也能聞味道：MIT開發SmellNet為嗅覺AI模型打地基 - 2025/08/29
- 為生成機器人訓練用資料而生的MIT PhysicsGen - 2025/08/28
- 推探Hugging Face機器人策略 - 2025/07/29
訂閱MakerPRO知識充電報
與40000位開發者一同掌握科技創新的技術資訊！
