11月18日、MIT Technology Reviewが「This smell startup says its AI nose is as good as a human's」と題した記事を公開した。AIスタートアップOsmoが開発した嗅覚AIモデルが人間レベルの嗅覚識別能力に到達したと同社が主張しており、すでに世界最大規模の消費財メーカーの1社において社内パフューマーを上回る成果を出したという。さらに1,000万件超の人間ラベルデータと独自の匂い生成設備を組み合わせ、医療診断への応用まで視野に入れたその戦略は、嗅覚研究の常識を根底から覆しつつある。
Googleの研究者が嗅覚AIに賭ける
Osmoは2023年、Alex WiltschkoがGoogle Brain(Googleの旧AI研究部門)での研究を基に創業したスタートアップだ。ミッションは「コンピュータに嗅覚を与えること」。
Wiltschkoは直近数ヶ月でOsmoのモデルが「人間レベルの嗅覚知性」に到達したと主張する。同社の定義では、「一般人と同程度の匂いの検出・識別能力」かつ「ジュニアクラスの香料デザイナーと同程度の調香能力」を指す。先月には、世界最大規模の消費財メーカーの1社において、社内パフューマーを上回る成果を出したとも述べている。
データが最大の壁だった
嗅覚AIの難しさは、良質なトレーニングデータがほぼ存在しなかった点にある。Wiltschkoによれば、Osmo以前は既存データベースに存在する匂いの人間による説明が20万件未満だった。化学センサー機器は高価で、香料業界は嗅覚研究に関して情報を秘匿する傾向が強い。
そこでOsmoが取った戦略は、自社でデータを作ることだ。現在同社は以下のスケールのデータセットを構築している:
- 人間ラベル:1,000万件超
- 「嗅覚トークン(scent tokens)」:8億件(特定の匂いを構成する分子と濃度を記述したもの)
ニューアーク空港近くのラボでは、約30人の熟練スニッファー(匂い評価者)が地球上のあらゆる匂いを記録しており、米国および海外の合計約70人のラベラーが標準化された香料語彙を用いて日々記述作業を行っている。スペクトロメーターなどの化学センサーは24時間稼働し、果物や花から食材、臓器に至るまでの分子組成を解析している。
「嗅覚トークン」という概念はLLMにおけるテキストトークンとの類比で理解しやすい。新生児の匂いを定義するトークンと、茹でたてのスパゲッティの匂いのトークンには大きな重複があるとWiltschkoは述べている(具体的にはBarillaブランドのスパゲッティ、とのことで、パスタ工場の従業員には少々考えさせられる話かもしれない)。
スクールバスサイズの「匂い印刷機」
Osmoはデータ収集だけでなく、実際に匂いを生成する設備も自社で持つ。スクールバスほどのサイズの匂いプリンティングロボットで、精密なフォーミュラに基づいて成分を混合し、研究用サンプルや顧客向けフレグランスを製造する。
記事中の実演では、記者がポルトガルのカスタードタルトをイメージした香水を18〜23歳男性向けにChatGPT風のプロンプトで注文。AIは数分で3種の香料プロファイル候補(クリーミー、ココナッツ、フルーティ)と必要な分子の組み合わせを生成した。注文を進めれば約1週間でサンプルが届く仕組みだ。
実用事例と批判
商業利用はすでに始まっている。P&Gなどの大手向けフレグランス開発への採用に加え、Gates Foundationからは昆虫忌避剤の研究目的で助成を受け、DEETより忌避効果の高い物質を8種類特定した。なお、Gates Foundationのプレスリリースには総額850万ドルの調達とある。元記事に記載の「350万ドル」はGates Foundation単独の拠出分を指している可能性があり、総調達額との混同に注意が必要だ(※出典の整合性については元記事を直接確認されたい)。StockXとはスニーカーの偽物検出——素材の化学組成の違いを嗅ぎ分ける——にも取り組んでいる。
一方で批判もある。嗅覚研究者でありノンフィクション『What the Nose Knows』の著者Avery Gilbertは、自身のSubstackでOsmoのマーケティング主張の一部は文書化されておらず、特許出願においてもAIではなく人間の感覚パネルやパフューマーへの依存が残っていると指摘している。「AIを前面に押し出す企業にしては、人間の感覚判断への依存度が高すぎる」という批判だ。
ハーツフォードシャー大学(神経計算)の元教授でOsmoのコンサルタント経験もあるMichael Schmukerは技術的な達成は認めつつも、嗅覚における「文脈」の問題を指摘する。同じ分子でも文脈によって異なる知覚をもたらす——フランスのカマンベールチーズと使用済みおむつは同じ分子を共有しているが、人間はコンテキストから両者を混同しない。制御された香料ラボ環境ではこの限界が問題になりにくいが、より広い用途では課題になりうる。
なおSchmukerは同僚とともに、Osmoの2023年モデルをリバースエンジニアリングしたオープンソース版(openpom)を公開している。ただし、Osmoがその後収集した大量データは含まれていない。
医療診断という「山頂」への道
Wiltschkoが最終的に目指すのは、空港での脅威検知や犬が訓練によって実現してきたような疾患の匂いによる診断への展開だ。ただし「多くの企業がその山頂を直接目指して失敗してきた。非常に高コストで困難だから」と認めており、現在は「すべての山の麓に基盤を築く」戦略を取ると述べている。
医療診断への道筋はまだ遠いが、嗅覚AIの分野でOsmoが独走している状況は競合の参入を促す可能性もある。現時点で同規模のデータセットを持つ競合他社は表面化しておらず、先述のopenpomのようなオープンソースの取り組みが対抗軸になりうるかが注目点だ。センサー技術の改善とモデルの継続的な向上が前提条件であり、Schmukerも「医療診断が最大の目標」と述べる。嗅覚AIの実用的な意義がどこまで広がるかは、今後のデータとセンサーの精度次第だ。
詳細はThis smell startup says its AI nose is as good as a human'sを参照していただきたい。




