
Osmo presenta un modelo de inteligencia artificial capaz de detectar olores como un humano
Techinfo


En un laboratorio cercano al Aeropuerto de Newark, Nueva Jersey, un equipo de aproximadamente 30 expertos en olfato está analizando meticulosamente cada uno de los olores del planeta. Sus detalladas anotaciones—que incluyen descripciones como “a nuez”, “a durazno” y “marino”—se cruzan con análisis químicos para crear un conjunto de datos de entrenamiento que Osmo, una startup de inteligencia artificial, califica como el primer modelo fundamental para el sentido del olfato en el mundo. El objetivo de la empresa, según su fundador Alex Wiltschko, es “darle a las computadoras un sentido del olfato”.
“Las moléculas de olor son realmente el único lenguaje que la mayoría de las especies en este planeta pueden hablar”, explica Wiltschko. “La mayoría de las especies no pueden comunicarse a través del sonido o de manera visual, por lo que realmente es el lenguaje original de la Tierra. Y es increíblemente poderoso para nosotros, tanto desde el punto de vista de la memoria como del emocional. Puedes oler algo una vez y recordarlo por el resto de tu vida. Puedes oler algo en la calle y ser transportado de vuelta a la secundaria”.
En los últimos meses, Wiltschko afirma que el modelo de Osmo ha alcanzado una “inteligencia olfativa a nivel humano”. La definición de la empresa sobre esto es que el modelo es tan bueno como una persona promedio para detectar y discriminar olores, y comparable a un diseñador de fragancias junior en la creación de nuevos aromas. La tecnología ya se está utilizando en la industria de fragancias para ayudar a las marcas a diseñar y fabricar nuevos perfumes. El mes pasado, Osmo anunció que su modelo de IA superó a los perfumistas internos de una de las compañías de bienes de consumo más grandes del mundo. Wiltschko cree que, eventualmente, podría ser utilizado para la detección de amenazas en aeropuertos o para diagnosticar enfermedades.
Wiltschko fundó la startup a partir de su trabajo en Google Brain, el antiguo laboratorio de investigación en IA de la gigante de búsqueda, en 2023. Está siguiendo un enfoque similar al de otras startups de IA en diferentes campos: lanzar una gran cantidad de datos a problemas complejos y observar qué sucede. El desafío con los olores, señala Wiltschko, es que había una escasez de buenos datos. Antes de Osmo, había menos de 200,000 descripciones humanas de olores en las bases de datos existentes, según su conteo. Además, los dispositivos de sensores químicos necesarios para recopilar datos son costosos, y la industria de fragancias es reservada respecto a su trabajo en la ciencia olfativa.
Gran parte del trabajo de la empresa se ha centrado en la creación de su propio conjunto de datos, que incluye más de 10 millones de etiquetas humanas y 800 millones de "tokens de olor", los cuales describen las moléculas exactas y las concentraciones que intervienen en la creación de olores específicos. Osmo utiliza espectrómetros y otros sensores químicos, funcionando las 24 horas, para descomponer la composición molecular de todo, desde frutas y flores hasta productos de despensa y órganos. Un equipo de alrededor de 70 etiquetadores de datos, entrenados en Estados Unidos y en el extranjero, pasa sus días olfateando distintos elementos y anotando cómo huelen, utilizando un vocabulario de fragancias estandarizado.
Mapear los olores de esta manera está revelando paralelismos inesperados. De la misma forma en que cambiar el orden de las palabras puede influir drásticamente en el significado de una oración, reorganizar las moléculas de olor en diferentes proporciones puede alterar notablemente los aromas que los humanos perciben. "Los tokens de olor que definen el aroma de un bebé recién nacido tienen una gran superposición con los tokens de olor en un plato fresco de espaguetis cocidos", comenta Wiltschko. (Específicamente, se refiere a los espaguetis de la marca Barilla, lo que podría generar algunas preguntas para las personas de la fábrica de pasta).
La empresa también crea sus propias fragancias, utilizando un robot de impresión de olores del tamaño de un autobús escolar que mezcla ingredientes de acuerdo con fórmulas precisas para elaborar muestras para la investigación de Osmo y fragancias para clientes que pagan. Puede diseñar e imprimir olores por encargo basándose en un aviso similar a los de ChatGPT. Wiltschko abrió su computadora portátil para mostrarme cómo funcionaba el modelo de IA. Abrió un cuadro de texto en la pantalla, y le pedí que generara una fragancia que oliera a un pastel de crema portuguesa (estábamos en Lisboa para el Web Summit), dirigida a hombres de entre 18 y 23 años. El sistema tardó unos minutos en procesar la solicitud y luego generó tres opciones de perfiles de olor potenciales que coincidían con el encargo (cremoso, con sabor a coco, afrutado) y las moléculas necesarias para crearlos. Si hubiera continuado con el proceso de pedido, mi fragancia L’Eau de Custard habría estado lista aproximadamente una semana después.
La tecnología de Osmo ya ha sido utilizada para crear fragancias comerciales, incluyendo productos para gigantes como Procter & Gamble. La Fundación Gates, que invirtió 5 millones de dólares al momento del lanzamiento de Osmo, posteriormente otorgó a la empresa una subvención de 3,5 millones de dólares para evaluar moléculas que repelen insectos portadores de enfermedades. Osmo identificó ocho sustancias que resultaron ser más repelentes que el DEET. Además, la compañía ha colaborado con StockX, un mercado en línea de ropa, para utilizar el olor como método para detectar zapatillas falsas, analizando las diferencias en la composición química de los materiales utilizados en los calzados.
Sin embargo, no todos están convencidos de la tecnología o de las grandes afirmaciones de la empresa. Avery Gilbert, un científico del olfato y autor de "What the Nose Knows", ha sido muy crítico con Osmo en su Substack, argumentando que algunas de las afirmaciones de marketing de la empresa no están documentadas y que sus solicitudes de patente aún dependen de paneles sensoriales humanos y perfumistas, en lugar de inteligencia artificial. “Esta fuerte dependencia de los juicios sensoriales humanos parece extraña para una empresa basada en una IA súper avanzada”, escribió en marzo. Un representante de Osmo no respondió a tiempo para la publicación.
Michael Schmuker, un exprofesor de computación neural en la Universidad de Hertfordshire que ha consultado previamente para Osmo, afirma que la tecnología de la empresa es un logro. Junto a sus colegas, creó una versión de código abierto y de ingeniería inversa del modelo de Osmo de 2023, aunque carece de los extensos datos que la compañía ha recopilado desde entonces.
Sin embargo, incluso con toda esta información sobre olores, Schmuker señala que Osmo podría estar omitiendo algunos de los factores que hacen que la olfacción humana sea única. “El olor es extremadamente complejo. El contexto es muy importante para el olor. La misma molécula puede evocar una asociación diferente dependiendo del contexto”, explica. “[El olor de] un queso francés como el Camembert es en parte la misma molécula que se encuentra en pañales usados. No confundes los dos debido al contexto”.
En un entorno controlado como un laboratorio de fragancias, esta falta de contexto puede no ser tan relevante. Sin embargo, podría tener un impacto si la tecnología de Osmo se convierte, como sugiere Wiltschko, en el “canal olfativo” para los modelos de IA. Imagina una máquina que pudiera detectar la descomposición de alimentos en una línea de producción, o identificar tumores a través del olfato, de la misma manera que se ha entrenado a perros en estudios piloto.
Para que eso suceda, la tecnología de sensores necesitará mejorar considerablemente, afirma Schmuker. Los modelos deberán seguir evolucionando. El diagnóstico médico es el mayor premio.
"Hay mucha historia de empresas que han intentado escalar esa cima y, desafortunadamente, no han tenido éxito, porque es muy costoso y complicado", comenta Wiltschko. "Lo que estamos haciendo es construir esta base en las laderas de todas estas montañas. Estamos enviando expediciones a las montañas, realizando exploraciones y, básicamente, olfateando todo el mundo".
En el ámbito de la inteligencia artificial, es importante no dejarse engañar: los modelos de lenguaje de gran tamaño (LLMs, por sus siglas en inglés) no razonan. Diez años después del enfrentamiento de AlphaGo contra el campeón de Go, Lee Sedol, la inteligencia artificial actual aún no está aprovechando la maquinaria que hizo posible esa victoria.
"Lo estábamos mirando de forma incorrecta": esta explosiva afirmación ha sacudido el mundo de la inteligencia artificial. Se trata de una entrevista exclusiva con Nick Cammarata, el investigador cuyo blog de 26,000 palabras se ha vuelto viral y ha generado celebraciones entre los expertos en seguridad de la IA.
No te dejes engañar por este verano de entusiasmo en torno a la inteligencia artificial. Las afirmaciones desmedidas sobre la inteligencia general artificial (AGI) y nuevas capacidades se desmoronan rápidamente bajo un análisis más profundo.
Con el auge de los asistentes personales de inteligencia artificial, la web ya no es solo para humanos.
Fuente original: MIT Technology Review IA.


Datasette Lite: una aplicación Python que corre en el navegador

Google alerta sobre la llegada de ciberataques totalmente automatizados

Moonshot AI redirige sus modelos Kimi hacia la investigación científica

Google lanza 66 nuevos dialectos regionales en Gemini para Android e iOS

Claude Fable 5.2 de Anthropic: un modelo que pinta en lugar de generar imágenes


PlayStation logra desestimar demanda de 2.600 millones de dólares por acusaciones de monopolio

Datasette Lite: una aplicación Python que corre en el navegador

Google Wallet llega a iOS: una nueva opción de gestión financiera para usuarios de Apple


