Naar de inhoud
Week 47Nieuws, en wat het voor je betekent

Wetenschap

Computers leren ruiken: Osmo zegt dat zijn AI het niveau van een mens haalt

Geur was het zintuig dat computers nog niet hadden. De Amerikaanse startup Osmo zegt dat zijn model geuren nu zo goed onderscheidt als een gemiddeld mens, en ze bedenkt als een beginnende parfumeur.

Computers kunnen al jaren zien en horen, maar ruiken konden ze niet. De Amerikaanse startup Osmo zegt nu dat zijn AI-model het net zo goed kan als een mens.

Oprichter Alex Wiltschko, die eerder AI-onderzoek deed bij Google Brain, vertelde het deze week aan MIT Technology Review. Volgens hem haalde het model de afgelopen maanden wat Osmo ‘human-level olfactory intelligence’ noemt: geuren onderscheiden als een gemiddeld mens, en ze bedenken als een beginnende parfumontwerper. Vorige maand versloeg het model volgens Osmo de eigen parfumeurs van een van de grootste producenten van consumentenartikelen ter wereld. Welk bedrijf dat is en hoe de vergelijking ging, zegt Osmo niet.

Het geheim zit in de data. In een lab bij het vliegveld van Newark ruiken zo’n dertig ervaren snuffelaars aan stoffen, en zo’n zeventig getrainde beoordelaars beschrijven geuren met een vaste woordenlijst uit de parfumerie. Zo verzamelde Osmo meer dan 10 miljoen geurbeschrijvingen van mensen en 800 miljoen ‘geurtokens’, die vastleggen welke moleculen in welke concentratie in een geur zitten. Volgens Wiltschko stonden er daarvoor in bestaande databases nog geen 200.000 beschrijvingen. Een robot zo groot als een schoolbus mengt de grondstoffen tot proefmonsters en geuren voor klanten.

Osmo maakte al geuren voor winkelproducten, onder meer voor Procter & Gamble, en hielp handelsplatform StockX om namaaksneakers te herkennen aan hun geur. Met geld van de Gates Foundation zocht het naar middelen tegen muggen, en volgens Osmo vond het acht stoffen die beter werken dan DEET. De verslaggever mocht het in Lissabon zelf proberen: hij vroeg om een geur als een pastel de nata, het Portugese roomtaartje. Het systeem kwam met een romige, een kokos- en een fruitige richting.

Niet iedereen is overtuigd. Geurwetenschapper Avery Gilbert noemt een deel van Osmo’s claims niet onderbouwd en wijst erop dat de patentaanvragen nog leunen op panels van mensen. Wiltschko antwoordt dat menselijke waarneming voor AI geen lapmiddel is. Michael Schmuker, een onderzoeker die Osmo heeft geadviseerd, noemt het een prestatie, maar wijst erop dat context bij geur veel uitmaakt: camembert en een gebruikte luier delen een molecuul, en toch verwar je ze niet.

Computers kunnen zien en horen al digitaliseren, maar ruiken niet: ons diepste en oudste zintuig.

Alex Wiltschko in een persbericht van het Monell Center, augustus 2023, vertaald

Waarom geur zo lastig was voor computers

Bij zien en horen is de natuurkunde helder: kleur is een golflengte, toon een frequentie, en een scherm maakt elke kleur uit rood, groen en blauw. Voor geur bestaat zo’n recept niet. Kleur zien we met drie soorten receptoren, schreef Google Research; de neus heeft er volgens het Monell Center zo’n vierhonderd. De bouw van een molecuul voorspelt bovendien slecht hoe het ruikt, en er is geen camera of scherm voor geur. Er is zelfs geen objectieve waarheid om een model aan te toetsen, zei geuronderzoeker Joel Mainland. Je hebt alleen het oordeel van mensen.

Elektronische neuzen bestaan al sinds begin jaren tachtig, toen George Dodd en Krishna Persaud aan de Britse University of Warwick een kunstneus bedachten: sensoren die elk op veel gassen reageren, met software die in het patroon een geur herkent. Er zijn er duizenden verkocht, onder meer voor de kwaliteitscontrole van eten en drinken, maar zo’n neus herkent vooral de geuren waarop hij getraind is.

Een kaart van alle geuren

Het werk van Osmo begon bij Google. Een team rond Wiltschko trainde vanaf 2019 een neuraal netwerk dat een molecuul leest als een netwerk van atomen en bindingen, op ruim 5.000 geurstoffen met de beschrijvingen van parfumeurs. Daaruit kwam een geurkaart, de Principal Odor Map, met meer dan 250 dimensies: stoffen die op elkaar lijken in geur, liggen er dicht bij elkaar, zoals een RGB-waarde een kleur vastlegt.

In 2023 stond de test in Science, het jaar waarin Osmo zich van Google afsplitste. Vijftien getrainde proefpersonen van het Monell Center beoordeelden 400 nieuwe stoffen met 55 woorden, van munt tot muf. Bij 53 procent van de stoffen zat het model dichter bij het oordeel van de groep dan de gemiddelde proefpersoon. Begin dit jaar haalde Osmo nog eens 70 miljoen dollar op.

Een Nederlands lab testte de muggenmiddelen

DEET, het bekendste middel tegen muggen, komt uit Amerikaans onderzoek uit de Tweede Wereldoorlog, om soldaten te beschermen tegen malaria. De resultaten van die oude tests, duizenden stoffen op papier, vond Google terug in zijn gescande boeken. Het team van Wiltschko trainde er een model op, en TropIQ Health Sciences, een spin-off van het Radboudumc in Nijmegen, testte de kandidaten op echte muggen. Een deel deed het beter dan DEET, meldde Google eind 2022. De Gates Foundation betaalde mee. Het belang is groot: volgens de WHO waren er in 2024 zo’n 282 miljoen gevallen van malaria en 610.000 doden.

Onze analyse

Een AI-neus is zo goed als de mensen die hem leerden ruiken

Het opvallendste aan Osmo is niet het model: dat uit 2023 bouwden Schmuker en collega’s na als open source. Wat niemand kan nabouwen, is de data: sinds 2023 leggen mensen met een geoefende neus vast wat ze ruiken, in vaste woorden. Dat de patenten nog op menselijke panels leunen, zoals Gilbert opmerkt, is daarom geen bijzaak maar de kern: het oordeel van mensen, zorgvuldig vastgelegd, is de grondstof.

‘Menselijk niveau’ is wel Osmo’s eigen maat: een gemiddeld mens bij het onderscheiden, een beginnende parfumeur bij het maken. Een gepubliceerde test die dat meet, noemt MIT Technology Review niet. Onze inschatting: die test komt er zodra Osmo de stap zet naar kwaliteitscontrole of de zorg, waar klanten harde cijfers vragen.

De les reikt verder dan geur. Een AI-model leert wat de voorbeelden het leren, en in een organisatie zitten die voorbeelden in de hoofden van je vakmensen: de collega die meteen ziet dat een factuur niet klopt, of welke klantmail haast heeft. Wie die kennis vastlegt in vaste categorieën, met genoeg voorbeelden, heeft het belangrijkste deel van een goed AI-model al in huis.

Wat opvalt

  • Eerst kwam de data, toen het model Voordat Osmo begon, waren er volgens Wiltschko nog geen 200.000 geurbeschrijvingen. Nu heeft het bedrijf er meer dan 10 miljoen.
  • Het model leerde meer dan gevraagd Het model uit 2023 voorspelde ook hoe sterk een stof ruikt, terwijl het daar nooit op was getraind, meldde het Monell Center.
  • De geurkaart werkt ook voor insecten Een netwerk dat leerde hoe stoffen voor mensen ruiken, voorspelde ook hoe het geurcentrum in de hersenen van insecten erop reageert, ontdekte Google.

Wat het voor jou betekent

Een AI-model leert wat jullie voorbeelden het leren. De kennis van je eigen vakmensen is daarmee het waardevolste wat je voor AI in huis hebt.

  • Leg vast wat je vakmensen herkennen Wat een ervaren collega in één oogopslag ziet, is precies wat een model moet leren. Bewaar voorbeelden samen met het oordeel erover.
  • Spreek vaste woorden af De beoordelaars van Osmo beschrijven geuren met één woordenlijst. Doe hetzelfde met jullie categorieën, anders leert een model van ruis.
  • Toets op wat het model nooit zag Houd een deel van de voorbeelden apart en vergelijk de uitkomsten met je eigen experts, voordat je erop leunt.

Wat wij ermee kunnen · Advies

We beginnen bij de kennis die jullie al hebben

In een gratis AI-strategie sessie brengt een adviseur van Flaire met jou en de collega’s die het werk kennen in kaart waar AI tijd bespaart, en laat live zien wat AI doet met jullie eigen voorbeelden, zoals een klantmail, offerte of factuur. Loont een eigen model voor één taak, dan ontwikkelen we dat met AI Model Engineering: op voorbeelden die volgens vaste regels zijn gelabeld, en getest op data die het nooit heeft gezien.

Welke kennis van jullie vakmensen wil je vastleggen voor AI?

Vertel ons welk werk nu op het oordeel van een paar ervaren collega’s leunt. We denken met je mee en reageren altijd binnen één werkdag.

Meer uit week 47

Alle nieuws

Zoek in onze diensten, het nieuws en de rest van de site.