Стартап Osmo утверждает, что его ИИ для запахов уже различает ароматы примерно на уровне среднего человека, а создавать композиции умеет как начинающий парфюмер. Для IT-рынка это попытка построить foundation model не для текста или изображений, а для химического мира — с потенциальным применением от разработки парфюма до контроля качества и медицинской диагностики.
Компания собрала датасет из более чем 10 млн человеческих оценок и 800 млн «токенов запаха» — описаний молекул и их концентраций в конкретной композиции, сообщает MIT Technology Review. Osmo анализирует фрукты, цветы, продукты и другие образцы спектрометрами, а затем сопоставляет химический состав с оценками обученных дегустаторов ароматов.
Osmo основал в 2023 году Алекс Вильчко, ранее работавший в Google Brain. Его ставка знакома всем, кто следил за генеративным ИИ последних лет: дефицит размеченных данных нужно устранить собственным производством данных, после чего масштабировать модель. В случае с обонянием это особенно трудная задача: по оценке Вильчко, до появления Osmo в доступных базах было менее 200 тыс. описаний запахов, а индустрия ароматов традиционно не любит делиться рецептами и измерениями.
Для сбора новых данных компания использует химические сенсоры круглосуточно и команду примерно из 70 разметчиков в США и за рубежом. Они описывают запахи по стандартизированному словарю: например, как ореховые, персиковые или морские. В лаборатории рядом с аэропортом Ньюарк около 30 опытных специалистов последовательно изучают образцы. Модель получает одновременно субъективное описание и молекулярный «снимок» вещества — то есть учится связывать химию с тем, как её воспринимает человек.
Это не просто каталог ароматов. Osmo построила роботизированную установку размером со школьный автобус, которая смешивает ингредиенты по рассчитанным формулам и печатает образцы для исследований и заказчиков. По текстовому запросу система может предложить профиль аромата и набор молекул для его создания. В демонстрации для MIT Technology Review модель получила задачу придумать аромат португальской пирожной pastel de nata для мужчин 18–23 лет и через несколько минут выдала три варианта профиля — сливочный, кокосовый и фруктовый.
Компания говорит, что технология уже применяется в парфюмерии, в том числе для создания розничных ароматов и работы с крупными потребительскими брендами. Osmo также получила от Gates Foundation грант в $3,5 млн на поиск веществ, отпугивающих насекомых-переносчиков заболеваний. По данным стартапа, модель нашла восемь соединений, которые оказались эффективнее DEET. Отдельный кейс — проверка подлинности кроссовок для площадки StockX: предполагается выявлять отличия по химическому составу материалов.
Но заявление о «человеческом уровне» требует аккуратного чтения. Osmo определяет его не как универсальное цифровое обоняние, а как сопоставимую со средним человеком способность замечать и различать запахи в своих тестах. Учёный-ольфактолог Эйвери Гилберт критиковал маркетинговые формулировки компании: в патентных материалах Osmo по-прежнему опирается на сенсорные панели и парфюмеров. Это не обязательно изъян — человеческая оценка нужна как эталон, — но пока она же остаётся частью производственного контура, а не исторической стадией, которую полностью заменил алгоритм.
Бывший профессор нейровычислений Майкл Шмукер, консультировавший Osmo, считает работу заметным достижением, но напоминает о контексте. Одна и та же молекула может вызывать разные ассоциации в зависимости от окружения: некоторые компоненты французского камамбера встречаются и в запахе использованных подгузников, однако человек не путает эти ситуации. В парфюмерной лаборатории такое ограничение менее критично. На производственной линии, в аэропорту или клинике ошибка контекста будет уже не забавной особенностью модели, а риском для продукта.
Для разработчиков и бизнеса здесь важен не обещанный «цифровой нос», а инфраструктура вокруг него: качественные сенсоры, воспроизводимый сбор проб, разметка, контроль дрейфа материалов и понятные протоколы валидации. ИИ для запахов может оказаться полезнее всего там, где запах уже переводится в измеряемый сигнал и решение можно перепроверить другим способом — например, в контроле качества или R&D. Диагностика заболеваний и обнаружение угроз остаются более далёкими задачами: даже сама Osmo признаёт, что это дорогие и сложные направления. Главный вопрос теперь не в том, сможет ли модель подобрать приятную композицию, а в том, выдержит ли её химическое представление запаха столкновение с реальным, а не лабораторным миром. Подробнее о подходе и заявлениях компании пишет .


