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!