Forskere har lenge kranglet om hvordan nøyaktig reseptorene i menneskekroppen lar oss oppfatte et bredt spekter av lukt og gi dem en eller annen beskrivelse. I et forsøk på å løse dette problemet ble team av ingeniører over hele verden bedt om å lage AI som kunne oppfatte lukt så vel som mennesker.
Å forutsi farge er ikke så vanskelig: hvis en lysbølge for eksempel når 510 nm, vil de fleste si at den er grønn. Men å finne ut hva et bestemt molekyl lukter er mye vanskeligere. 22 team av forskere har laget et sett med algoritmer som kan forutsi luktene til forskjellige molekyler basert på deres kjemiske struktur. Hele spekteret av praktisk bruk av programmet gjenstår å bestemme, men utviklerne håper at det først og fremst vil hjelpe parfymere, farmasøyter og matarbeidere å utvikle nye, unike kombinasjoner av lukter.
Arbeidet begynte med en fersk undersøkelse av Leslie Vosshall og kolleger ved Rockefeller University i New York, der 49 frivillige ble bedt om å gjette 467 lukt. Et sammenligningssystem med 19 grunnleggende mønstre ble utviklet for hver av dem: forsøkspersonene sa om lukten var lik fisk eller hvitløk, vurderte aromaens intensitet og individuelle behagelighet. Som et resultat ble det laget en katalog som nummererte mer enn en million celler, som kjennetegner visse luktende molekyler.
Da beregningsbiolog Pablo Meyer fant ut om dette, så han umiddelbart studien som en mulighet til å teste om et datasystem kunne forutsi hvordan folk ville dømme lukt. Til tross for at forskere har oppdaget omtrent 400 luktreseptorer i menneskekroppen, er det fortsatt et mysterium for forskere hvordan de fungerer nøyaktig slik at en person kan skille selv subtile nyanser av lukt. I 2015 lanserte Meyer og kollegene DREAM Olfaction Prediction Challenge. Deltakerne i konkurransen fikk til disposisjon de samme vurderingstabellene for frivillige som beskrev lukter, sammen med den kjemiske strukturen til molekylene som produserer dem. I tillegg ga deltakeren en database med 4800 beskrivelser for hvert enkelt molekyl - dets atomer, deres innbyrdes arrangement, generell geometri,som til slutt utgjorde om lag 2 millioner datapunkter. Etter hvert skal dataene brukes til å trene dataprogrammer til å gjenkjenne lukt basert på strukturell informasjon.
Konkurransen deltok av 22 lag fra hele verden, og selv om mange har gjort det bra, er to lag verdt å trekke frem. Michigan-teamet, ledet av Ian Phan Guang, var best på å forutsi lukt for individuelle gjenstander. Et annet team fra University of Arizona, ledet av Richard Guerkin, var flinkest til å trene programmet for den gjennomsnittlige luktvurderingen over hele prøven. Meyer rapporterer dette i en artikkel publisert i tidsskriftet Science.
Selvfølgelig er mange forskere skeptiske til utviklingen, og sier at arbeidet som er gjort, selv om det gir et betydelig bidrag til vitenskapen, fremdeles er et ganske primitivt utvalg, og 19 beskrivende elementer for hele spekteret av lukt i naturen er tydelig veldig, veldig få. Alternative studier med frivillige brukte 80 eller flere av disse kriteriene for muntlig å evaluere forskjellige lukt. Det er uklart om den eksisterende algoritmen vil være i stand til å forutsi luktvurderingen riktig hvis den har å gjøre med en slik mengde informasjon. Så i dag er oppfatningen av lukt fortsatt et mysterium for både leger og ingeniører.
