让机器获得视觉识别与分析能力已经不是什么新鲜事。如今的传感器已经能够捕捉大量视觉信息,并据此帮助自动驾驶汽车快速做出下一步操作决策。
但说起“机器嗅觉”,大家又会联想到什么?
作为事实胜于雄辩使用人工智能与数字嗅觉技术模拟人类嗅觉的初创企业,Aryballe公司正帮助企业客户将气味数据转化为真正具备可操作性的信息。
很多朋友可能一时想不起这样的技术有哪些实际作用。为此,我们采访了Aryballe公司CEO Sam Guillaume,询问他数字化嗅觉的实现原理、在当前市场上的应用情况、以及他个人对于嗅觉科技的前景预测。
鼻子是怎么分辨气味的?
我们的鼻子会处理有机与无机特释放出的气味分子,借此做出辨别与判断。当物体中的能量增加时(包括压力、搅动或温度变化),气味分子会自然散逸,我们则可通过鼻腔吸入并产生相应的嗅觉体验。
气味分子会刺激我们的鼻嗅神经元与嗅球。我们的大脑将其他信息(例如视觉提示以及我们以往对于气味的记忆)结合起来,准确识别出当前气味并据此做出后续行动判断。
数字化嗅觉的实现原理
数字嗅觉首先使用生物传感器捕捉气味特征,而后使用软件解决方案分析并显示气味数据,尽可能模拟人类对气味的反应。人工智能(AI)则根据先前收集到的气味数据库对签名做出解释与分类。
Guillaume表示,“过去几年以来,我们已经通过技术手段从根本上复制了人类嗅觉的实现方式。例如,我们将这项技术移植到半导体等现有技术当中,由此制造出体积小、方便易用且成本低廉的传感器。我们的成果在气味区分能力及效果方面,已经与人类非常接近。”
数字化嗅觉的应用案例
那么,这种数字化嗅觉数据能给企业带来哪些有价值的洞见?
目前,气味分析可以帮助企业实现以下目标:
● 在汽车行业中,设计出完美的“新车”气味
● 预测何时需要对工业或车载设备进行维护
● 自动检测家电设备中的变质食物
● 自动拒收或核准原材料供应
● 缩短新型食品及饮料的研发周期
● 确保个人护理产品(例如除味剂与洗发水)的香气能够持续更长时间
● 设计香氛配方,让乘客在公共交通工具中获得更佳体验
● 开发出通过气味检测问题并发出警报的个人护理设备与健康传感器
利用气味数据的力量
未来,Aryballe等初创企业还有望开展更多合作项目,帮助更多组织机构建立起数字气味库,甚至开发出可帮助COVID-19患者恢复嗅觉的设备。
除此之外,这项技术也真正让计算机拥有了新的周遭世界感知通道,由此收集到的数据将给我们的日常生活带来更多帮助。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。