top of page

Osmo AI Nose 聲稱具備人類級嗅覺能力

28 分鐘前
讀畢需時 12 分鐘

Osmo 表示,其 AI 鼻現已達到一般人類的氣味偵測及辨別能力;不過,這項聲稱仍有待獨立測試。這項區別相當重要,因為描述一個分子、設計一款香水,以及在實驗室以外辨認氣味,屬於不同層次的成就。

這項聲稱見於 2026 年 11 月 18 日發表的報道,而非一項已獨立確立、適用於所有情況的人類同等能力發現。Osmo 亦把其香水設計能力與初級調香師的技能作比較。這些說法將特定專業工作納入其目標範圍,但有關這些能力如何衡量,仍是報道的核心。

科學界已有先例。2023 年發表於 Science 的研究發現,早期模型預測受訓評審小組描述的表現,優於中位數評審員。現時的爭論在於,這項結果能在多大程度延伸至商業工作及實體環境。香水開發者面對一個實際問題:哪些決策可以由軟件改善,哪些仍需要有人親自聞過結果?

Osmo AI nose 聲稱實際涵蓋甚麼

Osmo 最新的聲稱涵蓋多項工作,而每一項都需要各自的證據。 氣味偵測是判斷是否存在某種氣味。辨別則是判斷樣本聞起來是否不同。描述把樣本與感官語言連結起來,而香水設計則提出一種混合配方,旨在帶來預期的體驗。

這些區別可避免 AI 報道中一個常見錯誤:把相關工作上的成功視為單一的智能指標。一個能預測描述標籤的系統,並不自動證明它能感知微量空氣傳播化學物。一個聽起來合適的配方,也不代表成品香水會令客戶滿意。

MIT Technology Review 的人類級嗅覺聲稱描述了 Osmo 嘗試把人類感官判斷與化學測量連結起來的工作。在新澤西州 Newark Airport 附近,經驗豐富的人類評估員協助提供用於訓練模型的描述。他們的參與讓人類感知納入開發過程之中。

這種關係對理解公司的措辭至關重要。基礎模型是經廣泛訓練、旨在支援多項下游工作的模型。將這個標籤用於嗅覺,表達了跨應用重用的目標。但單憑這一點,並不能證明效能可在不同應用之間可靠轉移。

報道中與初級調香師的比較亦值得具體解讀。香水開發涉及生成候選配方、評估混合物、理解意見回饋,以及調整組成。若能匹配該流程的一部分,已具商業價值;若要匹配完整角色,則需要涵蓋整個流程的證據。

記者的示範說明了這個界線。根據所提供的報道,一個提示詞產生了三個建議配方,但記者沒有收到並評估相應的香水。這項觀察支持系統能生成建議的說法,但其實際感官品質仍未有定論。

因此,11 月的報道雖然重要,卻未能確立一個普遍適用的里程碑。Osmo 正就一項已有研究歷史的技術提出更廣泛的能力聲稱。較有用的回應,是拆分當中的組成部分,並追問每一項實際測量了甚麼。

對讀者而言,核心問題因此很具體:甚麼輸入了系統、輸出了甚麼,以及由誰核實結果?這些細節決定一項示範展示的是語言理解、化學預測、香水製作,還是對實體樣本的辨認。

即使並非每一部分均達至人類同等水平,商業系統仍可帶來價值。協助專家挑選更佳的起點,是具意義的產品成果。要證實這項成果,需要的證據與宣稱機器嗅覺等同人類並不相同。

香水開發者面對的是工作流程問題

短期壓力會落在香水開發工作流程上,因為有用的建議仍需接受實體評估。 Osmo 的聲稱挑戰團隊如何在軟件與經驗豐富的評估員之間分工,但並不證明公司應從流程中移除感官判斷。

設想一份假設簡報:要製作一款感覺清新、但不帶強烈柑橘氣息的香水。模型或可提出符合這些文字描述的候選配方。買家仍須判斷成品混合物是否傳達預期印象,並適合用於相關產品。

這個差距帶來特定的商業機會。能協助團隊更早找到有前景候選方案的軟件,可減少無效探索。然而,相關比較應是完整開發流程,包括被否決的建議及修訂,而非只看生成初步答案的速度。

同樣的區別亦適用於客戶案例。一家公司參與某個項目,顯示其有興趣或投入其中,但不會自動揭示系統實際運作的範圍、人們修正它的頻率,或該項目是否改善商業成果。

因此,買家需要清楚界定系統所支援的決策。系統是在建議成分、排列建議混合物的優先次序、解讀書面簡報,還是評估已測量的樣本?每項功能都引入不同依賴條件,亦各有不同的價值評估方式。

對調香師而言,有用的助手或可擴大值得考慮的候選方案集合。對產品經理而言,好處可能在於創意簡報與實驗室樣本之間有更清晰的迭代。兩種成果均不需要聲稱人類嗅覺的每一方面已被複製。

因此,對既有團隊的壓力是實際的,而非生存性的。如果模型輔助開發能以較少失敗迭代產生可接受成果,現有流程便值得重新檢視。若吸引人的建議仍需要大量修補,精緻的介面可能只是掩蓋工作,而非消除工作。

這亦改變了團隊記錄評估的方式。把原始簡報、建議組成、評估員意見及最終決定放在一起,可更容易區分模型貢獻與後續的人類修正。可搜尋的知識庫可支援這類記錄保存,而不會取代感官評估。

對整合此類技術的開發者而言,輸出格式與標題所聲稱的能力同樣重要。建議配方、信心估計及缺失資訊的描述,分別支援不同決策。應用程式應讓負責接受結果的人清楚看見這些區別。

最有力的商業論述,應把軟件輸出與獲接受的實體產品及有記錄的開發效益連結起來。這會為買家提供可與自身流程比較的證據。泛稱人類級智能,無法單獨提供這種比較。

早期研究支持較狹窄而可衡量的結果

已發表的科學基礎,關乎氣味描述的預測,並採用明確的人類比較基準。 這是一項重要成果,而其明確性使之具實用價值。保留這些界限,可為評估現時圍繞 Osmo 的更廣泛聲稱提供更穩固基礎。

2023 年的主要氣味圖譜研究使用圖神經網絡,即一種處理相連元素之間關係的模型。此處的元素代表分子結構。研究人員希望建立一種表徵,以保留化學與感知氣味之間的關係。

在涉及 400 種先前未經描述氣味物質的前瞻性測試中,模型的描述與受訓評審小組平均描述的一致程度,高於中位數評審員的描述。氣味物質是會產生氣味的物質。這項比較針對的是研究條件下描述的一致性。

比較基準相當重要。與評審小組平均值一致,衡量的是模型預測共同描述的能力,並不衡量每個人的體驗、每種濃度,或每一種可能環境。這些問題需要額外提問及相應實驗。

研究亦披露了涉及 Osmo 的商業關聯。這項披露有助讀者評估誰開發這項技術,以及誰對其商業化有利益關係。同行評審及已披露利益可提供背景,但兩者都不能免除檢視實驗實際測試內容的需要。

Monell 對氣味預測實驗的介紹描述了人類評估流程。參與者學習了包含 55 個描述詞的詞彙,並評估測試物質。這個結構化方法建立了共同語言,用以比較模型輸出與人類判斷。

對任何希望透過證據理解 Osmo AI nose 的人而言,這是關鍵區別:受控預測工作令效能可以衡量。所選詞彙、樣本及比較方法,共同界定一項結果的意義。要擴大聲稱,便需要擴大證據。

一個有用的類比,是預測評審小組如何描述一張照片的模型。高度一致可證明它在描述方面的能力,但仍會留下其他問題,例如操作相機、在低能見度下辨認場景,或決定應採取甚麼行動。

同樣地,氣味預測可支援具價值的工作,卻不能證明完整的人工嗅覺。它可協助研究人員整理候選分子,或估計可能的感官特性。這些預測是否改善某個特定商業應用,取決於該應用的輸入及驗收標準。

這項歷史成果亦改變了 11 月聲稱應如何被表述。在特定氣味描述實驗中具備可與人類比較的效能,早於 2023 年已屬研究紀錄的一部分。現時新聞所涉及的是 Osmo 對其能力作出更廣泛的描述,以及這些能力所建議的實際應用範圍。

這個區別可避免把舊有科學成果視為新近確立的事件,亦為公司提供更公平的測試。問題在於其較新系統在已發表基準之上增加了甚麼,以及外部評估員如何驗證這些新增能力。

Osmo 與電子鼻比較涉及不同系統界限

預測氣味的模型與採樣空氣的裝置,解決的是彼此相連但不同的問題。 商業成功取決於這些組成部分如何協同運作。若不說明這個界限便比較公司,容易把軟件能力誤當成完整感測系統。

電子鼻是一種解讀化學感測器反應、以識別或分類氣味模式的系統。其輸入始於實體樣本。相比之下,預測模型可以依據分子表徵運作,而毋須自行從周遭空氣收集任何資料。

Aryballe 提供了一個具參考價值的歷史比較。CEA 在 2022 年 12 月的公司介紹中,將其數碼氣味感測方法描述為,把量度到的氣味與資料庫中的參考樣本作比較。該介紹指出,工業產品開發及品質控制是其應用範疇之一。

該介紹亦指出,濕度、濃度及產生氣味的分子數量均會增加難度。這些變數有助說明,實驗室結果不能證明系統在所有環境下的表現。量度流程本身仍是被評估系統的一部分。

這項比較並不能確立 Aryballe 與 Osmo 目前的效能排名。現有描述涉及不同能力及不同報告時期。有效的排名需要共用樣本、可比較的條件,以及明確定義的任務。

因此,Osmo 與電子鼻的問題在於所提出系統的起點與終點。它是否接收已知的分子結構?是否分析實驗室量度結果?是否直接採集環境樣本?這些輸入會帶來不同機會,亦有不同失效模式。

對於假設的品質控制部署,企業或許需要在產品偏離可接受參考標準時發出警示。生成富有畫面感的描述則屬次要。買方會關注漏報偏差、不必要警示,以及系統在不同運作條件下是否可靠。

香水設計應用則剛好反轉這個重點。其使用者最在意的,可能是候選混合物能否符合創作簡報。除非產品特別包含該能力,否則辨識環境空氣中意料之外的氣味,價值不大。

更廣泛的策略挑戰正源於這種區分。當一個可重用模型的表徵可支援多項任務時,其價值會更高。但每一項新增任務仍需要合適的量度流程,以及針對應用場景的評估。

這正是關於通用氣味平台的主張遇上物理限制之處。更好的軟件可改善對現有資訊的詮釋。但除非流程中該部分也經過測試,否則無法證明已部署的感測器捕捉了正確資訊。

對評估 Osmo AI nose 的買方而言,實際的比較單位應是一套完整工作流程。輸入蒐集、模型詮釋、人手審核及最終決策,都應納入評估。這種做法能讓狹窄範圍內的成功清楚呈現,同時揭示廣泛標籤可能掩蓋的缺口。

人類判斷仍是驗證缺口的核心

尚未解決的問題是,在明確指定的條件下,Osmo 較廣泛的主張有多少能經得起獨立測試。 人類參與並不會否定機器學習。它意味著公司應說明,人類專業知識在哪些環節提供訓練資料、修正輸出,以及決定何謂成功。

所提供的報道提到,氣味科學家 Avery Gilbert 批評相關文件及持續依賴感官評測小組。這項質疑針對的是主張背後的證據,不應被改寫成技術失敗的證明。

報道中,曾任 Osmo 顧問的 Michael Schmuker 提供了另一種觀點。他肯定技術成就,同時強調情境與感測器限制。由於讀者需要兩者來理解其觀點,他與公司的既有關係應與其評估一併說明。

這些觀點可以並存。一個模型可以代表有意義的進展,同時其市場推廣可延伸至公開文件未有支持的範圍。批評者可以指出合理的驗證問題,而不代表底層研究沒有價值。

情境亦帶來另一重界線。辨識化學模式與判斷其在特定情境中的意義,是兩種不同判斷。人類觀察者會把對物件、地點及情況的預期帶入嗅覺體驗。

為受控香水工作流程而設的系統,可在相對明確的任務中運作。邁向開放式辨識時,便會出現陌生樣本與條件變化等問題。原始情境中的證據,不應在未經說明下變成擴展情境的證據。

同樣的審慎原則亦適用於醫療或保安方面的期望。當系統出錯時,這些應用涉及不同後果。香水提案的品質不能證明疾病偵測的準確度,而探索性項目亦不能證明已準備好作出臨床決策。

嚴謹的評估應在呈現分數前,先清楚展示比較任務。評估者需要知道使用了哪些樣本、如何挑選,以及何謂正確答案。他們亦需要了解人員介入的頻率。

效能平均值尤其需要審慎看待。概括結果可掩蓋簡單與困難樣本之間的差異。買方需要與其情境中重要案例相關的證據,包括系統應承認不確定性的案例。

重現結果與重複公司示範之間亦有差別。獨立評估者應掌握足夠的流程控制權,以測試主張,而非遵循預先準備好的路徑。這會令不成功案例變得有參考價值,而非令人不便。

公司毋須披露每一項商業細節,外部評估仍可變得有用。它仍可定義任務、解釋流程,並容許作出適當受控的比較。這些步驟會令支持者與批評者之間的討論都更為精確。

目前正確的判斷應有所界限。Osmo 有已發表的研究基礎、較廣泛的公司主張,以及關於這些能力如何轉化為完整應用的未解問題。把這些類別清楚區分,可讓讀者更清楚了解進展與不確定性。

三項訊號將釐清下一步發展

下一批有用證據,應把獨立量度與實際物理結果及客戶成果連結起來。 未來數月可留意已發表的評估細節、已完成的樣本評估,以及有文件記錄的部署成果。這些是觀察重點,而非已公布的發布承諾。

首先,留意可供外部研究人員檢視、針對現行系統的特定任務評估。最有力的版本會交代人類比較組別、樣本選擇、測試條件及如何處理不確定答案。它亦會區分模型本身的貢獻,與支援設備及人手介入的作用。

若效能能在陌生樣本及重複評估中維持,這類證據將會加強較廣泛的主張。即使結果較為狹窄,只要結論符合其適用範圍,仍然有價值。若持續依賴一般能力的表述,目前的驗證缺口將大致不變。

評估亦應說明實際上「一般人類」是甚麼意思。未經訓練的參與者、受訓的感官評測員及在職調香師,提供的是不同參考點。即使報告分數相同,在他們之間作出選擇也會改變比較的詮釋。

其次,留意把香水提案一路追蹤至完成實體樣本的評估。這可處理生成配方與交付感官結果之間的落差。評估者應了解簡報內容,並在不依賴生成描述說服力的情況下評估最終樣本。

有利結果會顯示,提案生成能轉化為有用的完成候選樣本。大量重新配方則會揭示人類專業知識仍然不可或缺的環節。無論結果如何,都比以螢幕上的配方作結的示範提供更多商業洞見。

這項訊號之所以重要,是因為完成實體樣本會把系統的假設化為可測試的形式。描述可以維持模糊,樣本則為評估者提供具體可比較的對象。承諾特性與感知結果之間的關係,屆時便會變得清楚。

第三,留意來自明確界定應用的客戶成果文件。香水項目應報告與香水工作相關的開發結果。感測部署應報告其實際操作環境中的表現。這些成果應與客戶原有流程或另一項具意義的基準作比較。

即使未能達至普遍的人類同等表現,重複使用及可量度的工作流程改善證據,仍會加強商業理據。只有客戶名單而沒有相應成果,採用程度仍然不清楚。這種區分有助買方不受標題主張影響,獨立評估實用性。

對開發者而言,這些訊號指出整合工作應從何開始。先由輸入、輸出及驗收標準均可清楚說明的任務開始。相比承諾不受限制人工感官的介面,狹窄的應用能提供更好的評估基礎。

對企業買方而言,應詢問系統支援哪些決策,以及哪些人仍須為接受其輸出負責。要求提供包含不成功案例、修訂過程及最終實體結果的例子。這些記錄可揭示產品是否改善工作,還是只會產生具說服力的中間答案。

對關注 Osmo AI nose 故事的讀者而言,應把每項新公告與它所回答的具體問題作比較。留意經獨立評估的樣本、明確定義的人類基準,以及與實際任務相關的客戶成果。把它們視為獨立證據,再檢視它們如何互相契合。成功的香水工具本身便值得關注。可靠的環境感測系統則證明的是另一回事。下一項值得檢視的主張,是能準確展示系統輸入了甚麼、輸出了甚麼,以及由誰驗證結果的主張。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page