Vědci trénují umělou inteligenci, aby dokázala systematicky popsat pachy

Barvy má lidstvo dávno systematicky popsané. Stačí sáhnout po vzorkovnici Pantone a kdokoli na světě si pod konkrétním kódem představí přesně stejný odstín, ať už jde o tiskaře v Praze nebo návrháře v Tokiu. U pachů nic podobného neexistuje. Vůně kávy, čerstvě posekané trávy nebo zkažené ryby popisujeme opisně, subjektivně a často naprosto neshodně – to, co jeden člověk označí jako „ostré, může jiný vnímat jako „nasládlé. Vědci se proto v posledních letech snaží tuto mezeru zaplnit pomocí strojového učení, které by dokázalo složité pachové kompozice zmapovat a klasifikovat podobně systematicky, jako to Pantone dělá s barvami.

Podstata problému spočívá v samotné povaze čichového vjemu. Zatímco barvy lze fyzikálně popsat vlnovou délkou světla, u pachu jde o mnohem komplexnější interakci desítek až stovek chemických sloučenin s čichovými receptory v nose. Lidský genom obsahuje přibližně 400 funkčních genů kódujících čichové receptory, což je mnohonásobně více než u zraku. Výsledná kombinace signálů, kterou mozek vyhodnotí jako konkrétní pach, je proto extrémně variabilní a těžko převoditelná na jednoduchou škálu nebo kód.

Strojové učení nabízí cestu, jak tuto komplexnost zvládnout. Algoritmy dokážou analyzovat data z chemických senzorů a hmotnostní spektrometrie, které zachycují molekulární složení vzorku, a hledat v nich vzorce odpovídající tomu, jak pach popisují lidé. Modely se trénují na rozsáhlých souborech dat, kde je chemické složení spárováno se slovním hodnocením testovaných osob – tedy zda vzorek voní „květinově, „kysele, „dřevnatě a podobně. Neuronové sítě se pak učí předpovídat, jak bude nová, dosud neznámá směs látek vnímána čichem, aniž by musela projít fyzickým testováním na lidech.

Tento přístup má praktické využití především v parfumerii, potravinářství a kontrole kvality. Výrobci vůní by mohli díky takovým modelům rychleji navrhovat nové kompozice a předvídat jejich vnímání ještě před nákladným testováním. V potravinářském průmyslu se podobné systémy hodí pro odhalování zkažených surovin nebo pro standardizaci chuti a vůně produktů napříč šaržemi. Uplatnění se nabízí i v medicíně, kde některé nemoci mění charakteristický pach dechu nebo kůže pacienta – strojové učení by mohlo pomoci tyto změny objektivně zachytit.

Problém je, že na rozdíl od barevného prostoru, který lze matematicky popsat třemi souřadnicemi (odstín, sytost, jas), čichový prostor nemá žádnou obecně přijímanou strukturu. Vědci experimentují s takzvanými pachovými mapami, které by fungovaly obdobně jako barevné kolo – tedy že podobné pachy by ležely blízko sebe a nepodobné dále od sebe. Taková mapa už vznikla i pro některé specifické kategorie, jako jsou vůně používané v parfumerii, ale univerzální systém pokrývající veškeré pachy, se kterými se člověk běžně setkává, zatím chybí.

Neexistuje totiž nic, co by fungovalo jako obdoba Pantone pro pachy – tedy standardizovaný referenční systém, který by umožnil přesně a reprodukovatelně komunikovat konkrétní čichový vjem mezi laboratořemi, firmami i jednotlivci. Zatímco barevný kód lze jednoduše přenést do digitální podoby a zobrazit na obrazovce, pach je vždy vázán na fyzickou přítomnost molekul a jeho reprodukce vyžaduje skutečnou chemickou směs, nikoli jen digitální zápis.

Přesto se výzkum v této oblasti posouvá kupředu. Kombinace chemických senzorů, hmotnostní spektrometrie a strojového učení postupně umožňuje vytvářet čím dál přesnější modely predikce pachu z chemického složení. Cílem není nutně nahradit lidský nos, ale vytvořit nástroj, který dokáže objektivně popsat a porovnávat pachy tam, kde dosud fungovalo pouze subjektivní hodnocení jednotlivých lidí. Až takový systém dozraje, mohl by usnadnit komunikaci mezi výrobci vůní, potravinářskými technology i vědci zabývajícími se čichovou percepcí, podobně jako barevné kódy usnadnily práci designérům a tiskařům.