top of page

Osmo AI 鼻子声称具有人类水平的嗅觉能力

17分钟前
讀畢需時 12 分鐘

Osmo 表示,其 AI 鼻子如今在气味检测和辨别方面已达到普通人类水平,但这一说法仍需独立测试。这个区别很重要:描述一种分子、设计一款香水,以及在实验室外识别气味,是不同层面的成就。

这一说法出现在 2026 年 11 月 18 日发布的报道中,而不是一项已由独立研究确立的人类全面对等结论。Osmo 还将其香水设计能力与初级调香师的技能相比较。这些表述将特定的专业任务纳入其目标范围,但这些能力如何衡量仍是报道的核心。

科学研究已有先例。2023 年发表于 Science 的研究发现,较早版本的模型对受训评审组描述的预测效果优于中位数评审者。如今的争议在于,这一结果能在多大程度上延伸至商业工作和现实环境。香水开发者面临一个实际问题:哪些决策可以由软件改进,哪些仍需要有人亲自闻过结果?

Osmo AI 鼻子的说法实际涵盖什么

Osmo 最新的说法覆盖多项任务,而每一项都需要各自的证据。 气味检测关注的是某种气味是否存在。辨别关注的是样本闻起来是否不同。描述则将样本与感官语言联系起来,而香水设计是提出旨在带来特定体验的混合配方。

这些区分能够避免 AI 报道中常见的错误:将相关任务上的成功视为衡量智能的单一标准。一个能够预测描述性标签的系统,并不能自动证明其对微量空气传播化学物质的敏感度。一种听起来合适的配方,也不能证明成品香水能让客户满意。

MIT Technology Review 对人类水平嗅觉说法的报道描述了 Osmo 如何尝试将人类感官判断与化学测量联系起来。在新泽西州纽瓦克机场附近,经验丰富的人类评估者协助提供用于训练模型的描述。他们的参与将人类感知纳入了开发过程。

这种关系对于理解该公司的表述至关重要。基础模型是经过广泛训练、旨在支持多个下游任务的模型。将这一标签用于嗅觉,表达的是可跨应用复用的雄心。但这本身并不能证明其性能能够在不同应用之间可靠迁移。

报道中与初级调香师的比较也值得具体解读。香水开发涉及生成候选方案、评估混合物、理解反馈以及调整配方。若能匹配这一流程中的某个环节,便具有商业相关性。若要匹配完整角色,则需要覆盖整个流程的证据。

记者的演示说明了其中的边界。根据所提供的报道,一条提示词生成了三份建议配方,但记者没有收到或评估相应的香水。这一观察支持其能够生成建议的说法,但无法确认这些建议实际的感官质量。

因此,11 月的报道很重要,但不足以确立一个普遍性的里程碑。Osmo 正围绕一项已有研究历史的技术提出更广泛的能力主张。合理的回应是拆分其中各部分,并追问每一项究竟测量了什么。

对读者而言,核心问题因此十分具体:系统输入了什么,输出了什么,又由谁核验结果?这些细节决定了一次演示展示的是语言理解、化学预测、香水生产,还是对实体样本的识别。

即使不是每个组成部分都达到人类水平,商业系统依然可能创造价值。帮助专家选出更好的起点,是有意义的产品成果。要证实这一成果,需要与宣称机器嗅觉等同于人类不同的证据。

香水开发者面临的是工作流问题

近期压力将落在香水开发工作流上,其中有用的建议仍需经过实体评估。 Osmo 的说法挑战了团队如何在软件与资深评估者之间分配工作。但它并不能证明企业应当将感官判断从流程中移除。

设想这样一份假想需求:一款香水需要给人清新感,但不能散发浓重的柑橘调气味。模型或许能提出符合这些文字描述的候选配方。买方仍需判断成品混合物是否传达了预期印象,以及是否适合该产品。

这一差距创造了具体的商业机会。若软件能帮助团队更早找到有前景的候选方案,便可减少无效探索。但相关的比较应当针对完整开发过程,包括被否决的方案和后续修改,而非仅仅比较生成初始答案的速度。

同样的区分也适用于客户案例。某家公司参与项目,说明其具有兴趣或参与度,但并不会自动揭示系统实际运行得多深入、人们多久纠正一次,或该项目是否改善了业务成果。

因此,买方需要明确系统所支持的决策是什么。系统是在建议原料、对建议混合物排序、解读书面需求,还是评估已测量的样本?每种功能引入的依赖因素不同,也各自提供了不同的价值评估方法。

对于调香师而言,一位有用的助手可以扩大值得考虑的候选方案集合。对于产品经理而言,其价值可能在于让创意需求与实验室样本之间的迭代更加清晰。这两种成果都不需要宣称人类嗅觉的每一个方面都已被复制。

因此,对既有团队的压力是实际的,而非生存性的。若模型辅助开发能够以更少的失败迭代产出可接受的结果,现有流程就值得重新审视。若看似吸引人的建议仍需大量修补,那么精致的界面可能是在掩盖工作,而不是消除工作。

这也改变了团队记录评估的方式。将原始需求、建议配方、评估者反馈和最终决定保存在一起,更容易区分模型贡献与后续的人类修正。一个可搜索的知识库可以支持这类记录工作,但不能替代感官评估。

对于整合此类技术的开发者而言,输出格式与头条式能力同样重要。建议配方、置信度估计和缺失信息说明所支持的决策不同。应用程序应将这些区别清晰呈现给负责接受结果的人。

最有力的商业叙事,应将软件输出与被接受的实体产品及有记录的开发收益联系起来。这将为买方提供可与自身流程比较的证据。关于人类水平智能的笼统说法,无法单独提供这种比较。

早期研究支持的是更狭窄、可衡量的结果

已发表的科学基础涉及气味描述预测,并采用了明确的人类对照。 这是一个重要成果,而其具体性使之更具参考价值。保留这些边界,能为评估如今围绕 Osmo 的更广泛说法提供更稳固的基础。

2023 年的主气味图谱研究使用了图神经网络,这类模型处理相互连接元素之间的关系。这里,这些元素代表分子结构。研究人员试图构建一种能够保留化学性质与感知气味之间关系的表征。

在一项涉及 400 种此前未经表征气味物质的前瞻性测试中,模型的描述与受训评审组平均描述的吻合度,高于中位数评审者的描述。一种气味物质是指能够产生气味的物质。这项比较针对的是研究条件下描述结果的一致性。

参照点很重要。与评审组平均值的一致性,衡量的是模型预测共同描述的能力。它并不衡量每个人的体验、每种浓度,或每一个可能的环境。这些都需要额外的问题和相应的实验。

该研究还披露了与 Osmo 有关的商业关联。这一披露有助于读者判断是谁开发了该技术,以及谁对其商业化持有利益。同行评审与利益披露提供了背景;两者都不能免除对实验实际测试内容的审视。

Monell 对气味预测实验的介绍描述了人类评估流程。参与者学习了一套包含 55 个描述词的词汇,并评估测试物质。这种结构化方法创造了共同语言,用于比较模型输出与人类判断。

对于希望通过证据理解 Osmo AI 鼻子的人而言,这正是关键区别:受控预测任务使性能得以衡量。所选词汇、样本和比较方法决定了一项结果的含义。要扩大主张,就必须扩大证据。

一个有用的类比是,模型预测评审组将如何描述一张照片。高度一致能够说明其在描述方面具备某种能力,但仍会留下其他问题,例如操作相机、在低能见度下识别场景,或决定应采取什么行动。

同样,气味预测可以支持有价值的工作,却不能证明完整的人工嗅觉。它可以帮助研究人员整理候选分子,或估计可能的感官特征。这些预测能否改善某项特定商业应用,取决于应用的输入和验收标准。

这一历史结果也改变了对 11 月说法的表述方式。在特定气味描述实验中达到可与人类相比的表现,早在 2023 年就已成为研究记录的一部分。当前新闻关注的是 Osmo 对其能力作出的更广泛表述,以及这些能力所声称的实际适用范围。

这一区别避免了将较早的科学成果视为刚刚确立的事件。它也为公司提供了更公平的检验。问题在于,其较新的系统在已发表基线之外增加了什么,以及外部评估者如何验证这些新增能力。

Osmo 与电子鼻涉及不同的系统边界

预测气味的模型与采集空气样本的设备,解决的是相互关联但不同的问题。 商业成功取决于这些组件如何协同工作。若不明确这一边界就比较不同公司,可能会将一种软件能力误认为完整的感知系统。

电子鼻是一种解读化学传感器响应、以识别或分类气味模式的系统。其输入始于实体样本。相比之下,预测模型可以基于分子表征运行,而无需独立采集周围空气中的任何物质。

Aryballe 提供了一个具有参考价值的历史对比。CEA 在 2022 年 12 月发布的一篇介绍中,将其数字气味传感方法描述为把测得的气味与资料库中的参考样本进行比较。该介绍指出,其应用包括工业产品开发和质量控制。

该介绍还强调,湿度、浓度以及产生气味的分子数量都会带来难题。这些变量有助于解释,为何实验室结果无法证明系统在所有环境中的表现。测量过程本身仍是被评估系统的一部分。

这一比较并不能确立 Aryballe 与 Osmo 当前性能的高低排序。现有描述涉及不同的能力和报告时期。有效的排名需要共享样本、可比条件,以及明确界定的任务。

因此,Osmo 与电子鼻之间的问题在于:一个拟议系统的起点和终点分别是什么。它是否接收已知的分子结构?是否分析实验室测量结果?是否直接对环境进行采样?这些输入会带来不同的机会,也会产生不同的失效模式。

对于一个假设的质量控制部署,企业可能需要在产品偏离已接受的参考标准时收到警报。生成富有联想性的描述则处于次要位置。买方会关心漏检偏差、不必要的警报,以及系统在不同运行条件下是否表现可靠。

香水设计应用则颠倒了这一侧重点。其用户最关心的可能是候选混合物是否符合创意简报。除非产品明确具备该能力,否则识别环境空气中意外出现的气味几乎没有价值。

更广泛的战略挑战正源于这种区分。当一个可复用模型的表征能够支持多项任务时,它会变得更有价值。但每一项新增任务仍需要合适的测量过程和针对具体应用的评估。

这正是关于通用气味平台的说法遭遇物理约束之处。更好的软件能够改善对现有信息的解读。但除非流程中的这一部分也经过测试,否则它无法证明已部署的传感器采集到了正确的信息。

对于评估 Osmo AI nose 的买方而言,实际的比较单位应当是一套完整工作流。输入采集、模型解读、人工审核和最终决策都应纳入评估。这种方法既能让狭义成功清晰可见,也能暴露宽泛标签可能掩盖的缺口。

人类判断仍是验证缺口的核心

尚未解决的问题是:在明确规定的条件下经过独立测试后,Osmo 更广泛的主张还能保留多少。 人类参与并不会否定机器学习。但这意味着公司应说明,人类专业知识在哪里提供训练数据、修正输出并判定成功。

所提供的报道提到,气味科学家 Avery Gilbert 对文档资料和持续依赖感官小组提出了批评。这一质疑针对的是这些主张背后的证据。它不应被改写为技术失败的证明。

报道中,此前曾担任 Osmo 顾问的 Michael Schmuker 提供了不同观点。他认可这项技术成就,同时强调情境和传感器局限。他与公司的既有关系应与其评估一并呈现,因为读者需要了解两者才能解读这一观点。

这些视角可以并存。一个模型可以代表有意义的进展,同时其营销表述超出公开记录的结果。批评者可以指出正当的验证问题,而不意味着底层研究毫无价值。

情境又增加了一条边界。识别化学模式与解读它在特定环境中的含义,是两种不同的判断。人类观察者会将对物体、地点和情境的预期带入嗅觉体验之中。

面向受控香水工作流的系统,可以在相对明确的任务范围内运行。走向开放式识别,则会引入陌生样本和变化条件的问题。原始场景中的证据不应被悄然转化为扩展场景中的证据。

同样的谨慎也适用于医疗或安全领域的愿景。当系统出错时,这些应用会产生不同后果。香水提案的质量并不能证明疾病检测的准确性,探索性项目也不能证明其已可用于临床决策。

严谨的评估应在展示分数之前,先明确比较任务。评估者需要知道使用了哪些样本、如何选择,以及什么才算正确答案。他们还需要了解人工介入的频率。

对于性能平均值需要格外谨慎。汇总结果可能掩盖简单样本与困难样本之间的差异。买方需要与其实际场景相关的证据,包括系统应承认不确定性的情形。

复现一个结果与重复一次公司演示之间也存在区别。独立评估者应控制足够多的流程,以测试主张本身,而不是沿着预先准备好的路径操作。这样,不成功的案例会成为有价值的信息,而非令人不便的例外。

公司不必披露每一项商业细节,外部评估也能变得有价值。它仍可以界定任务、解释协议,并允许在适当控制条件下进行比较。这些步骤会让支持者和批评者的讨论都更加精确。

当前正确的判断应当有所边界。Osmo 拥有已发表的研究基础、更广泛的公司主张,以及关于这些能力如何转化为完整应用的未解问题。保持这些类别的区分,能让读者更清楚地理解进展与不确定性。

三个信号将澄清接下来会发生什么

接下来有价值的证据,应将独立测量与物理结果及客户成果联系起来。 在未来几个月,关注已发布的评估细节、完成的样本评估和有记录的部署结果。这些是观察重点,而非已宣布的发布承诺。

首先,关注外部研究人员可以审查的、针对当前系统的特定任务评估。最有力的版本将说明人类比较组、样本选择、测试条件以及对不确定答案的处理方式。它还应区分模型的贡献与辅助设备及人工干预的作用。

如果性能能够在陌生样本和重复评估中保持稳定,这类证据将强化更广泛的主张。只要结论符合其适用范围,较窄的结果仍然有用。若继续依赖笼统的能力表述,当前验证缺口将基本保持不变。

该评估还应解释“平均人类”在实践中意味着什么。未经训练的参与者、受训感官小组成员和在职调香师提供的是不同的参照点。即使报告分数相同,在他们之间作出选择也会改变比较的解读。

其次,关注追踪香水提案直至完成实体样本的评估。这将弥合生成配方与交付感官结果之间的缺口。评估者应了解简报内容,并在不依赖生成描述说服力的情况下评估最终样本。

有利的结果将表明,提案生成能够转化为有用的成品候选方案。大量再配方则会揭示人类专业知识仍不可或缺的环节。无论哪种结果,都比止于屏幕上展示配方的演示提供更多商业洞见。

这一信号之所以重要,是因为实体完成会将系统假设转化为可测试的形式。描述可能始终含糊不清,而样本能给评估者提供具体的比较对象。承诺的特征与感知结果之间的关系随后便会显现。

第三,关注来自明确界定应用的、经过记录的客户成果。香水项目应报告与香水工作相关的开发结果。传感部署应报告其实际运行环境中的表现。这些成果应与客户此前的流程或其他有意义的基线进行比较评估。

即使没有实现普遍的人类同等水平,重复使用的证据和可量化的工作流改善也会强化商业论证。没有相应结果的客户名单,仍会让采用程度不清楚。这一区分有助于买方独立评估实用性,而非仅依据头条主张。

对于开发者而言,这些信号指出了集成工作应从何处开始。应从一个能够清楚说明输入、输出和验收标准的任务开始。狭义应用比承诺不受限制人工感官的接口更适合作为评估基础。

对于企业买方,应询问系统支持哪些决策,以及哪些人员仍对接受其输出负责。要求提供包含失败案例、修订过程和最终实体结果的示例。这些记录能够揭示产品究竟改善了工作,还是仅仅产出了令人信服的中间答案。

对于关注 Osmo AI nose 故事的读者,应将每一项新公告与其回答的具体问题进行比较。寻找经过独立评估的样本、明确定义的人类基线,以及与实际任务挂钩的客户结果。将它们视为彼此独立的证据,再考察它们如何相互契合。成功的香水工具本身就值得关注。可靠的环境传感系统则将证明另一回事。下一项值得检视的主张,是能够准确展示系统输入了什么、输出了什么,以及由谁验证结果的主张。

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page