在美容品、食品與日用雜貨的世界中，「香味」往往是消費者體驗中不可或缺的一環。從香水的複雜層次，到洗衣精、餅乾、甚至護膚品的香氣，都需要香味的添加才更有價值感。然而，開發一種全新的香味，長久以來一直是時間密集且需仰賴專業調香師的工作。東京科學大學（Tokyo Institute of Science）的研究團隊，近日開發出一款能夠自動生成香味配方的人工智慧模型：「OGDiffusion（Odor Generative Diffusion）」，有望讓香味的創作變得更簡單、快速甚至擴展至非專業人士。
東京科學大學研發可自動開發指定香味的AI模型「OGDiffusion」
OGDiffusion的核心是一套基於擴散模型（Diffusion Model）的AI系統，由東京科學大學中本高道（Takamichi Nakamoto）教授及其研究團隊主導開發。這個模型的獨特之處在於：使用者只需輸入自己希望的香味描述（例如「木質」、「甜美」、「花香」等），系統即可自動算出對應的精油配方，用以實際再現該香味。
為訓練OGDiffusion，研究團隊準備了166種不同的精油樣本，並為每一種香味標註了九種類別的「香味描述詞（odor descriptors）」，包括「草本」、「花香」、「木質」、「甜」、「辛辣」、「果香」、「柑橘」、「清新」與「麝香」等。這些描述詞提供了OGDiffusion學習的基礎，使其能建立香味感知與化學成分之間的聯繫。
但光有主觀描述還不夠，OGDiffusion進一步結合了質量分析（Mass Spectrometry）數據——這是一種化學分析技術，可精準測量混合物中的分子重量與結構。研究團隊讓AI學習如何從香味描述詞與質譜數據之間，推估出可再現香味的組合方式。
為驗證OGDiffusion的效能，研究人員首先進行了逆向生成的實驗。他們先隨機對原始的質譜數據加入雜訊，再將這些帶雜訊的數據與香味描述詞一併輸入OGDiffusion，要求其「還原」最初的質譜資料。結果顯示，OGDiffusion成功地以高精準度復原了原始的質譜結構，證明其對香味的理解具有可逆性與穩定性。
接下來，研究團隊測試OGDiffusion是否能根據複合香味描述詞生成實體香味。他們讓AI依據多組描述詞生成香味配方，並實際調配出對應精油。這些香味樣品隨後交由14位受測者進行盲測嗅聞，要求他們依據嗅覺經驗，判斷每一個香味所對應的描述詞。結果顯示，多數受測者的回答與OGDiffusion原本所設定的描述詞一致，其正確判斷率顯著高於隨機選擇，進一步驗證AI模型具備高度的描述詞再現能力。
此外，團隊還設計了一項二選一實驗：讓受測者分別聞兩組香味樣品，一組含有某特定描述詞，另一組則不含，要求受測者選出哪一組更符合該描述詞。實驗中，受測者一致做出正確判斷，顯示OGDiffusion所生成的香味在感官上具備明確的辨識度。
目前，AI調香並非全新概念，市面上已有數種基於機器學習的香味生成工具。然而，這些既有模型普遍依賴封閉的專屬資料庫與專業使用者的操作介面，使得香味設計依舊停留在專家範疇內。OGDiffusion的突破點，在於其開放性與簡便性。它不僅能夠根據描述詞自動生成配方，還直接輸出由多種精油組成的實體配方，方便使用者進行實際調製，從而大幅降低創作門檻。這意味著，即使是一般產品設計師、創業者，甚至香味愛好者，也能自行開發專屬香氣，無需仰賴調香師團隊。
如中本教授所言：「OGDiffusion透過自動化技術實現高效率的香味創作方法。即便是不具備專業背景的使用者，也能設計出符合意圖的香味。這種AI模型是首度以這種方式來處理香味生成問題，為AI在香味設計領域的應用開啟了全新可能。」
AI嗅覺革命的未來潛力：從香味定製到氣味互動
OGDiffusion的發展，不僅是AI應用的技術創新，也預示著嗅覺在未來人機互動中的潛在角色。想像一下，未來的智慧家庭系統可根據使用者心情或情境，自動調整環境香味；或是個人化商品能根據消費者的偏好，產生獨一無二的氣味設計。更進一步，AI結合虛擬實境（VR）、擴增實境（AR）或沉浸式娛樂，也有可能透過模擬氣味，加強體驗層次。
OGDiffusion之類的模型，將成為構建這些香味數位世界的基礎技術。當然，這項技術仍處於初步階段，實際商品化尚需克服許多挑戰，例如香味生成設備的便攜性、香料安全性與成本控制，但OGDiffusion無疑已展現了AI應用於感官設計的新方向。