Forskere har længe diskuteret, hvordan nøjagtigt receptorer i den menneskelige krop tillader os at opfatte en lang række lugter og give dem en eller anden beskrivelse. I et forsøg på at løse dette problem blev team af ingeniører overalt i verden bedt om at skabe AI, der kunne opfatte lugt såvel som mennesker.
At forudsige farve er ikke så svært: Hvis en lysbølge for eksempel når 510 nm, vil de fleste mennesker sige, at den er grøn. Men det er meget vanskeligere at finde ud af, hvordan et bestemt molekyle lugter som det. 22 forskerehold har oprettet et sæt algoritmer, der kan forudsige lugt fra forskellige molekyler baseret på deres kemiske struktur. Programmets fulde række af praktiske anvendelser er endnu ikke bestemt, men udviklerne håber, at det først og fremmest vil hjælpe parfumer, farmaceuter og madarbejdere med at udvikle nye, unikke lugtkombinationer.
Arbejdet begyndte med en nylig undersøgelse af Leslie Vosshall og kolleger ved Rockefeller University i New York, hvor 49 frivillige blev bedt om at gætte 467 lugte. For hver af dem blev der udviklet et sammenligningssystem bestående af 19 grundlæggende mønstre: forsøgspersonerne sagde, om lugten svarede til fisk eller hvidløg, vurderede aromaens intensitet og individuelle behagelighed. Som et resultat blev der oprettet et katalog med flere end en million celler, som karakteriserer visse lugtagtige molekyler.
Da beregningsbiolog Pablo Meyer fandt ud af dette, så han straks undersøgelsen som en mulighed for at teste, om et computersystem kunne forudsige, hvordan folk ville dømme lugt. På trods af det faktum, at forskere har opdaget omkring 400 lugtreceptorer i den menneskelige krop, er det stadig et mysterium for forskerne, hvordan de præcist fungerer sammen, så en person kan skelne endog subtile nuancer af lugt. I 2015 lancerede Meyer og hans kolleger DREAM Olfaction Prediction Challenge. Deltagere i konkurrencen fik til rådighed selve vurderingstabellerne over frivillige, der beskriver lugt, sammen med den kemiske struktur af molekylerne, der producerer dem. Desuden leverede deltageren en database med 4800 beskrivelser for hvert individuelt molekyle - dets atomer, deres gensidige arrangement, generel geometri,hvilket til sidst udgjorde omkring 2 millioner datapunkter. Til sidst skal dataene bruges til at træne computerprogrammer til at genkende lugt baseret på strukturel information.
Konkurrencen deltog i 22 hold fra hele verden, og selvom mange har gjort det godt, er to hold værd at fremhæve. Michigan-teamet, ledet af Ian Phan Guang, var bedst til at forudsige lugt til individuelle genstande. Et andet hold fra University of Arizona, ledet af Richard Guerkin, var bedst til at træne programmet til den gennemsnitlige lugtbedømmelse på tværs af prøven. Meyer rapporterer dette i en artikel offentliggjort i tidsskriftet Science.
Selvfølgelig er mange forskere skeptiske over for udviklingen og siger, at det udførte arbejde, selvom det yder et væsentligt bidrag til videnskaben, stadig er et temmelig primitivt valg, og 19 beskrivende elementer for hele spektret af lugt i naturen er helt klart meget, meget få. Alternative undersøgelser med frivillige anvendte 80 eller flere af disse kriterier til verbalt at evaluere forskellige lugte. Det er uklart, om den eksisterende algoritme vil være i stand til korrekt at forudsige lugtvurderingen, hvis den skal beskæftige sig med en sådan række oplysninger. Så i dag forbliver opfattelsen af lugt et mysterium for både læger og ingeniører.