งานวิจัยกลิ่นผสม คำตอบอยู่ที่คำพูด — GrassAccord ชวนอ่านงานวิจัย "การทำนายระยะห่างของกลิ่นผสม"

ลองนึกภาพแถบทดสอบกลิ่นสองแผ่นตรงหน้าคุณ แผ่นหนึ่งเป็นกลิ่นผสมจากโมเลกุล 10 ชนิด อีกแผ่นก็ผสมจากโมเลกุล 10 ชนิดเหมือนกัน แต่ไม่มีโมเลกุลซ้ำกันเลยแม้แต่ตัวเดียว ถึงอย่างนั้นจมูกของเรากลับรู้สึกว่าสองกลิ่นนี้คล้ายกันพอสมควร

ทำไมจึงเป็นแบบนั้น? และเรารู้ผลล่วงหน้าก่อนผสมได้ไหม? งานวิจัยที่ตีพิมพ์เมื่อเดือนสิงหาคมที่ผ่านมาในวารสารของสถาบันวิทยาศาสตร์แห่งชาติสหรัฐอเมริกา (PNAS) คือบันทึกที่ทีมวิจัย 26 ทีมทั่วโลกร่วมกันท้าทายคำถามเก่าแก่ข้อนี้

ผลลัพธ์น่าประหลาดใจ กุญแจที่ทายกลิ่นของกลิ่นผสมได้ดีที่สุดไม่ใช่การอ่านรูปร่างของโมเลกุลโดยตรง การทำนายแม่นยำที่สุดเมื่อผ่าน คำที่ใช้เรียกกลิ่น อย่าง "เหมือนผลไม้" หรือ "เหมือนหญ้า"

ถ้าคุณเพิ่งเริ่มปรุงน้ำหอม อาจเคยสงสัยเรื่องแบบนี้มาบ้าง

• การจดกลิ่นเป็นคำพูดช่วยให้เก่งขึ้นจริงหรือ?
• สองกลิ่นที่เมื่อวานคล้ายกัน วันนี้กลับรู้สึกต่างกัน จมูกเรามีปัญหาหรือเปล่า?
• อีกไม่นานปัญญาประดิษฐ์จะมาสร้างแอคคอร์ดแทนเราไหม?

งานวิจัยนี้ให้คำใบ้กับทั้งสามคำถาม ช่วงแรกเราจะเล่าว่าทีมวิจัยทำอะไรและพบอะไร ส่วนช่วงหลังเราเพิ่มบทวิเคราะห์ของเราว่าคนที่เรียนปรุงน้ำหอมนำผลนี้ไปใช้ที่โต๊ะปรุงน้ำหอมได้อย่างไร คำศัพท์ที่ไม่คุ้นเราอธิบายไว้ท้ายบทความแล้ว อ่านได้สบาย ๆ เลย

ก่อนอื่น นี่คืองานวิจัยแบบไหน

• ชื่อเรื่อง: A semantic-based community model for high-fidelity tuning of olfactory mixture distances (โมเดลร่วมที่อิงความหมายของคำ เพื่อปรับระยะห่างระหว่างกลิ่นผสมอย่างละเอียด)
• ผู้เขียน: คณะวิจัยร่วมขนาดใหญ่ นำโดยวาฮิด ซาตาริฟาร์ด (Vahid Satarifard) และปาโบล เมเยอร์ (Pablo Meyer) มีสถาบันจากหลายประเทศเข้าร่วม เช่น มหาวิทยาลัยเยล มหาวิทยาลัยร็อกกีเฟลเลอร์ ศูนย์ประสาทรับสัมผัสเคมีโมเนล สถาบันไวซ์มันน์ และ IBM Research รวมถึงเลสลี บี. วอสฮอลล์ (Leslie B. Vosshall) โนอัม โซเบล (Noam Sobel) และโจเอล ดี. เมนแลนด์ (Joel D. Mainland) ที่รู้จักกันดีในงานวิจัยด้านการรับกลิ่น
• ตีพิมพ์ที่: วารสารของสถาบันวิทยาศาสตร์แห่งชาติสหรัฐอเมริกา (PNAS) เล่ม 123 ฉบับที่ 32 เผยแพร่วันที่ 4 สิงหาคม 2026 ผ่านการพิจารณาของวารสารแล้ว
• อ่านต้นฉบับ: doi.org/10.1073/pnas.2611057123 — ทุกคนอ่านได้ฟรี (ภาษาอังกฤษ)
• ข้อควรระวัง: นี่คืองานวิจัยเรื่องกลิ่นผสมของโมเลกุลเพื่อการทดลอง ไม่ใช่น้ำหอม ผู้เขียนเองก็กล่าวถึงการออกแบบน้ำหอมเป็นเพียงหนึ่งในการประยุกต์ในอนาคต

ทำไมเราจึงเลือกงานวิจัยนี้

ในการแนะนำงานวิจัยครั้งแรก เรามองน้ำหอมราว 170,000 ตัวจากมุมสูงผ่านตัวเลข นั่นคือแผนที่ของตลาดและวัฒนธรรม คราวนี้กลับทิศกันเลย เราจะมองเข้าไปในจมูกของคนที่นั่งอยู่หน้าแถบทดสอบกลิ่นสองแผ่น

การปรุงน้ำหอมสุดท้ายก็คือการผสม แต่กฎที่ตาและหูมี จมูกยังไม่มี เราสร้างสีบนจอจากแดง เขียว น้ำเงิน และอธิบายเสียงได้ด้วยการแยกความถี่ ทีมวิจัยบอกว่าการรับกลิ่นยังไม่มีกรอบที่เทียบเท่า นักปรุงน้ำหอมจึงพึ่งประสบการณ์และจมูกมาตลอด

งานวิจัยนี้วางสะพานที่แข็งแรงพอสมควรเหนือช่องว่างนั้นเป็นครั้งแรก ยังไม่ใช่สะพานที่สมบูรณ์ แต่เพราะแสดงอย่างซื่อตรงว่ามาถึงไหนแล้วและขาดตรงไหน จึงเป็นบทเรียนที่ดีสำหรับคนที่เรียนปรุงน้ำหอม

ความพยายามวาดแผนที่ของจมูก

ก่อนเข้าเนื้อหาหลัก มาดูกันก่อนว่าการแข่งขันนี้จัดขึ้นทำไม

กลิ่นของโมเลกุลเดี่ยว ตอนนี้ทายได้ค่อนข้างดี

การทายกลิ่นจากโครงสร้างโมเลกุลอย่างเดียวเคยเป็นโจทย์ยากขึ้นชื่อมานาน แต่ในสิบปีที่ผ่านมาสถานการณ์เปลี่ยนไป การแข่งขันด้านกลิ่น DREAM ครั้งแรกแสดงให้เห็นว่าคอมพิวเตอร์ทำนายคำบรรยายกลิ่นอย่างกระเทียม หวาน หรือดอกไม้ จากโครงสร้างโมเลกุลได้

ปี 2023 มีโมเดลชื่อแผนที่กลิ่นหลัก (POM) เกิดขึ้น เป็นแผนที่ที่วางโครงสร้างโมเลกุลลงในพื้นที่ของกลิ่น ตามงานวิจัยนี้ โมเดลดังกล่าวทำนายคำบรรยายกลิ่นได้ดีกว่าคนระดับกลางในคณะผู้ประเมิน และหลายทีมในการแข่งขันครั้งนี้ก็ใช้แผนที่นี้เป็นวัตถุดิบ

แต่กลิ่นส่วนใหญ่ในโลกเป็นกลิ่นผสม

ปัญหาเริ่มหลังจากนั้น กลิ่นที่เราได้กลิ่นในชีวิตประจำวันอย่างกาแฟ ดอกไม้ น้ำหอม มักเป็นกลิ่นผสมจากโมเลกุลหลายสิบหลายร้อยตัว ถ้าทายโมเลกุลเดี่ยวได้แต่ทายตอนผสมไม่ได้ ก็ใช้จริงในโลกแห่งความเป็นจริงได้ยาก

คนที่เคยลองปรุงน้ำหอมจะเข้าใจความยากนี้ดี ผสมวัตถุดิบดี ๆ สองอย่างแล้วได้กลิ่นต่างจากที่คาดไปเลย หรือวัตถุดิบที่ใส่เข้าไปกลับเหมือนหายไป จึงต้องมีเกณฑ์สาธารณะสำหรับทำนายกลิ่นผสม และเป็นที่มาของการแข่งขันที่หลายทีมมาประชันกันในโจทย์เดียวกัน

การแข่งขันของ 26 ทีมเป็นอย่างไร

รวบรวมการทดลองที่กระจัดกระจายไว้ที่เดียว

ทีมวิจัยเริ่มจากรวมชุดข้อมูลหกชุดจากงานวิจัยสามชิ้นที่ทำแยกกันมาก่อน เมื่อรวมแล้วได้ขนาดดังนี้

• โมเลกุลเดี่ยว 168 ตัว
• กลิ่นผสมที่ต่างกัน 731 แบบ
• การวัดเปรียบเทียบกลิ่นผสมสองแบบ 507 ครั้ง

วิธีทดลองต่างกันไป จึงย้ายผลทั้งหมดมาไว้บนมาตรวัดเดียว 0 หมายถึงแยกสองกลิ่นไม่ออก 1 หมายถึงต่างกันมากที่สุด ทีมวิจัยเรียกตัวเลขนี้ว่าระยะห่างของกลิ่น เหมือนวัดระยะระหว่างสองเมืองบนแผนที่ แต่วัดระหว่างสองกลิ่นแทน

ประชันกันสามเดือน

การแข่งขันนี้ชื่อ DREAM Challenge เป็นรูปแบบที่หลายทีมประชันฝีมือการทำนายอย่างเปิดเผยในโจทย์เดียวกัน 26 ทีมปรับแต่งโมเดลปัญญาประดิษฐ์ราวสามเดือน แล้วสอบรอบสุดท้ายด้วยกลิ่นผสม 46 คู่ที่ซ่อนเฉลยไว้

โจทย์ฝึกส่งคำตอบและดูคะแนนได้ไม่เกินสัปดาห์ละสามครั้ง ตลอดการแข่งขันมีการส่งคำทำนายฝึก 159 ครั้ง และมี 19 ทีมที่ส่งถึงการสอบรอบสุดท้าย

ผลแพ้ชนะไม่ได้ขาดลอย สี่ทีม ได้แก่ D2Smell, UMich CASI, ChemSenSim Lab และ belfaction ครองอันดับหนึ่งร่วมกัน ทีมวิจัยมองว่าเพราะโจทย์มีเพียง 46 คู่จึงน่าจะแยกความต่างได้ยาก แทนที่จะเลือกทีมเดียว พวกเขาจึงสร้างโมเดลรวมที่เฉลี่ยคำทำนายของหกโมเดลแรก และโมเดลรวมนี้เองคือพระเอกของงานวิจัย

ตรวจสอบด้วยจมูกมนุษย์สองครั้ง

ผู้ตรวจคำตอบของปัญญาประดิษฐ์คือจมูกมนุษย์ มีการทดสอบสองครั้ง

• การทดสอบครั้งที่หนึ่ง (นิวยอร์ก มหาวิทยาลัยร็อกกีเฟลเลอร์) — ผู้เข้าร่วม 34 คน กลิ่นผสม 92 แบบจับเป็น 46 คู่ แต่ละแบบทำจากส่วนประกอบ 10 ชนิดที่ไม่ซ้ำกัน ใช้การทดสอบสามเหลี่ยม คือให้เลือกขวดที่กลิ่นต่างจากสามขวด
• การทดสอบครั้งที่สอง (ฟิลาเดลเฟีย ศูนย์ประสาทรับสัมผัสเคมีโมเนล) — หลังจบการแข่งขัน มีผู้เข้าร่วม 16 คน ใช้กลิ่นผสมที่ออกแบบใหม่ 59 แบบทำเป็น 50 คู่ แต่ละแบบมีส่วนประกอบ 9–11 ชนิด ผู้เข้าร่วมให้คะแนนโดยตรงว่าสองกลิ่นคล้ายกันแค่ไหน

การทดสอบครั้งที่สองมีกลไกตรวจสอบที่น่าสนใจ คือให้เปรียบเทียบโมเลกุลกลิ่นกระเทียมกับโมเลกุลกลิ่นสับปะรด และเปรียบเทียบโมเลกุลกลิ่นสตรอว์เบอร์รีกับตัวมันเอง ผู้เข้าร่วมตัดสินว่าคู่แรกห่างกัน และคู่หลังใกล้กันมาก เป็นหลักฐานว่ามาตรวัดทำงานถูกต้อง

จำตัวเลขสองตัวนี้ไว้ก่อน

งานวิจัยนี้มีตัวเลขสองตัวปรากฏอยู่ตลอด อาจฟังดูยาก เราจึงขอให้เข้าใจคร่าว ๆ ก่อน

ค่าสหสัมพันธ์บอกว่าคำทำนายกับของจริงขยับไปทางเดียวกันแค่ไหน ถ้าเป็น 1 คือขยับไปด้วยกันสมบูรณ์ ถ้าเป็น 0 คือไม่เกี่ยวข้องกัน 0.61 ไม่ได้แปลว่าทายถูก 61% เข้าใจแค่ว่าคู่ที่คนรู้สึกว่าห่างกว่า โมเดลก็มักชี้ว่าห่างกว่าเช่นกัน ก็เพียงพอแล้ว

ค่าความคลาดเคลื่อนเฉลี่ย (RMSE ในงานวิจัย) บอกว่าคำทำนายเบี่ยงจากระยะห่างจริงโดยเฉลี่ยเท่าไร ยิ่งน้อยยิ่งดี ถ้าเป็น 0.08 แปลว่าบนมาตรวัด 0–1 พลาดไปประมาณนั้น

เพราะฉะนั้นจำง่าย ๆ ว่า ค่าสหสัมพันธ์คือ "เรียงลำดับถูกไหม" ส่วนค่าความคลาดเคลื่อนเฉลี่ยคือ "ค่าใกล้แค่ไหน"

โมเดลรวมทายแม่นแค่ไหน

ทิ้งห่างวิธีเดิมไปมาก

ในการทดสอบครั้งที่หนึ่ง โมเดลรวมทำค่าความคลาดเคลื่อนเฉลี่ย 0.08 และค่าสหสัมพันธ์ 0.57 เทียบกับวิธีหลักที่มีอยู่เดิม ความคลาดเคลื่อนลดลงราว 33% และค่าสหสัมพันธ์เพิ่มขึ้น 53% ดีกว่าโมเดลของทีมใดทีมหนึ่งในการแข่งขันด้วย

จุดที่น่าสนใจอยู่ตรงนี้ หลังการแข่งขัน ทีมวิจัยลองสร้างโมเดลใหม่โดยเลือกเฉพาะคุณลักษณะที่ดูสำคัญที่สุด แต่โมเดลนี้ตามโมเดลรวมไม่ทัน และอยู่แค่ระดับทีมเดี่ยวชั้นนำ ทีมวิจัยตีความว่าการเลือกวัตถุดิบดี ๆ อย่างเดียวไม่พอ ต้องให้วิธีที่ต่างกันมารวมกันจึงจะไปถึงระดับนั้น

โจทย์ใหม่ก็ยังยืนหยัดได้

โมเดลที่เก่งแค่โจทย์แข่งขันมีประโยชน์น้อย จึงทดสอบซ้ำหลังการแข่งขันด้วย 50 คู่ที่ออกแบบใหม่ ค่าความคลาดเคลื่อนเฉลี่ยของโมเดลรวมเพิ่มเป็น 0.13 แต่ยังคงผลงานที่ดีไว้ได้ เมื่อคิดว่าสถานที่สอบ ผู้เข้าร่วม และวิธีสอบต่างกันหมด ผลนี้จึงมีความหมายมาก

โจทย์แต่ละแบบให้ผลต่างกัน

46 คู่ในการสอบรอบสุดท้ายแบ่งเป็นสามกลุ่ม ได้แก่ คู่สุ่ม 16 คู่ คู่ที่คนออกแบบให้รู้สึกคล้ายกัน 20 คู่ และคู่ที่ปรับให้คล้ายกันด้วยวิธีคำนวณระยะห่างเดิม 10 คู่ ทีมที่เข้าแข่งไม่รู้ว่าคู่ไหนอยู่กลุ่มใด

ค่าความคลาดเคลื่อนเฉลี่ยของโมเดลรวมต่ำในสองกลุ่มที่ออกแบบ คือ 0.07 และ 0.06 ส่วนกลุ่มสุ่มอยู่ที่ 0.10 ค่าสหสัมพันธ์กลับตรงกันข้าม กลุ่มสุ่มสูงกว่าเล็กน้อยที่ 0.45 ส่วนอีกสองกลุ่มอยู่ที่ 0.38 ทีมวิจัยเสริมว่าจำนวนคู่น้อย จึงควรอ่านตัวเลขของกลุ่มเล็กอย่างระมัดระวัง

คำเรียกกลิ่นชนะโครงสร้างโมเลกุล

นี่น่าจะเป็นผลที่ถูกอ้างถึงมากที่สุดของงานวิจัยนี้

เหลือแค่คำเรียกกลิ่น ผลกลับดีขึ้น

ทีมวิจัยทดลองถอดวัตถุดิบออกจากโมเดลทีละอย่าง ตัดคุณสมบัติทางเคมีของโมเลกุล ข้อมูลตัวรับในร่างกาย และข้อมูลการผสมออกทั้งหมด เหลือเฉพาะข้อมูลที่ตรงกับคำที่ใช้เรียกกลิ่น

ผลน่าทึ่งมาก โมเดลรวมที่เหลือแค่คำเรียกกลิ่นทำค่าสหสัมพันธ์ 0.61 และค่าความคลาดเคลื่อนเฉลี่ย 0.075 ในการทดสอบครั้งที่หนึ่ง ดีกว่าโมเดลรวมที่ใช้วัตถุดิบทั้งหมดเสียอีก ในการทดสอบครั้งที่สองก็สูงกว่า 15% ด้วยค่าสหสัมพันธ์ 0.54

ตรงกันข้าม โมเดลที่ตัดคำเรียกกลิ่นออกแย่ลงมาก ค่าสหสัมพันธ์ตกเหลือ 0.41 ในการทดสอบครั้งที่หนึ่ง และในครั้งที่สองก็เข้าใกล้ระดับเดาสุ่ม

คำเรียกกลิ่นในที่นี้หมายถึงอะไร

จุดนี้เข้าใจผิดได้ง่าย จึงขอชี้ให้ชัด ไม่ได้ป้อนบันทึกการดมกลิ่นที่คนเขียนหลังดมกลิ่นผสมเข้าไป แต่คอมพิวเตอร์ดูโครงสร้างโมเลกุลแล้วทำนายก่อนว่า "คนจะเรียกโมเลกุลนี้ว่าอะไร" โดยให้ค่าความน่าจะเป็นกับคำ 138 คำ เช่น กลิ่นผลไม้ กลิ่นหญ้า แล้วใช้ชุดคำที่ได้มาเปรียบเทียบกลิ่นผสมสองแบบ

กล่าวคือไม่ได้ไปจากโมเลกุลสู่ระยะห่างของกลิ่นโดยตรง แต่ผ่าน สถานีกลางที่เรียกว่าคำ ที่น่าทึ่งคือคำเหล่านี้เรียนรู้จากโมเลกุลเดี่ยวบริสุทธิ์ ไม่ใช่จากกลิ่นผสม แต่กลับอธิบายระยะห่างของกลิ่นผสมได้ดี

ทีมวิจัยก้าวไปอีกขั้น กลิ่นของกลิ่นผสมอาจไม่ได้เกิดจากหลักการที่ต่างจากกลิ่นของโมเลกุลเดี่ยวโดยพื้นฐาน ส่วนที่ยากอาจไม่ได้อยู่ที่ "ขั้นตอนการผสม" แต่อยู่ที่ "ขั้นตอนจากโมเลกุลไปสู่กลิ่น" อย่างไรก็ตาม งานวิจัยก็ระบุไว้ด้วยว่ามีนักวิจัยที่ไม่เห็นด้วยกับมุมมองนี้

คำเรียกกลิ่นไหนมีพลังมากที่สุด

ทีมหนึ่งจัดคำ 138 คำเป็น 12 กลุ่ม กลุ่มที่มีอิทธิพลมากที่สุดในโมเดลของทีมนั้นคือ กลิ่นผลไม้ กลิ่นหญ้าและสมุนไพร และกลิ่นถั่ว น้ำมัน และการคั่ว

แต่ละคำก็ให้ผลต่างกัน ในการวิเคราะห์ของทีมเดียวกัน กรีน คลีน และคอนยัค เชื่อมโยงกับฝั่งที่ความคลาดเคลื่อนลดลง ส่วนไวโอเล็ต อะโรมาติก และเนเชอรัล เชื่อมโยงกับฝั่งที่ความคลาดเคลื่อนเพิ่มขึ้น ทีมวิจัยย้ำว่ายังตีความผลนี้ตรง ๆ ได้ยาก ถึงอย่างนั้นการที่คำความหมายกว้างอย่างเนเชอรัลอยู่ในกลุ่มนี้ก็น่าสนใจ ตรงนี้เป็นความรู้สึกของเรา ไม่ใช่ข้อสรุปของงานวิจัย

ไม่ได้ต้องใช้วัตถุดิบมากมาย

ทีมวิจัยลองซ้อนคุณลักษณะที่มีอิทธิพลมากในแต่ละโมเดลตามลำดับ สามโมเดลในกลุ่มที่แม่นยำไปถึงครึ่งหนึ่งของอิทธิพลทั้งหมดด้วยคุณลักษณะไม่ถึง 100 ตัว บางโมเดลต้องใช้ราว 1,000 ตัว ต่างกันมาก แปลว่าการอธิบายระยะห่างของกลิ่นไม่จำเป็นต้องใช้วัตถุดิบซับซ้อนจำนวนมาก

จมูกมนุษย์ก็ไม่นิ่ง

บันทึกของมนุษย์คือเพดาน

นี่คือตอนที่ซื่อตรงที่สุดของงานวิจัย ทีมวิจัยวัดด้วยว่าคนเดิมตัดสินซ้ำแล้วได้คำตอบเดิมแค่ไหน ในการทดสอบครั้งที่สอง ผู้เข้าร่วมตัดสินสองครั้งห่างกันอย่างน้อยหนึ่งวัน ค่าสหสัมพันธ์ของผลทั้งสองอยู่ที่ 0.74 ส่วนค่าที่ได้จากการแบ่งครึ่งเปรียบเทียบในการทดสอบครั้งที่หนึ่งคือ 0.69

ลองคิดดูก็เป็นเรื่องธรรมดา แม้แต่ค่าเฉลี่ยการตัดสินของคนก็ซ้ำได้ไม่สมบูรณ์ โมเดลจึงยากจะทายให้เหมือนคนยิ่งกว่าคน 0.61 และ 0.54 ของโมเดลที่เหลือแค่คำเรียกกลิ่นยังไปไม่ถึงเพดานนี้ ทีมวิจัยเองก็ยอมรับว่ายังมีช่องว่างระหว่างโมเดลกับมนุษย์

พลาดเมื่อกลิ่นคล้ายมากหรือต่างมาก

โมเดลแม่นที่สุดในช่วงระยะห่าง 0.5–0.8 เพราะข้อมูลฝึกกระจุกอยู่ช่วงนั้น กลิ่นผสมที่สุ่มผสมก็มักตกอยู่ในช่วงนี้

ตรงกันข้าม ต่ำกว่า 0.5 หรือสูงกว่า 0.8 ความคลาดเคลื่อนจะมากขึ้น โมเดลมีนิสัยดึงคำทำนายเข้าหากึ่งกลาง คู่ที่คล้ายกันมากจะถูกเดาว่าห่างกว่าจริงเล็กน้อย คู่ที่ต่างกันมากจะถูกเดาว่าใกล้กว่าจริงเล็กน้อย

จุดนี้สำคัญกับนักปรุงน้ำหอม การตัดสินใจที่ยากที่สุดในงานจริงคือการแยกเวอร์ชันทดลองสองตัวที่ "เกือบเหมือนกันแต่ต่างกันตรงไหนสักแห่ง" และช่วงนั้นคือจุดอ่อนที่สุดของโมเดลตอนนี้

โมเดลใหม่ไม่ได้ชนะเสมอไป

เมื่อแบ่งการทดสอบครั้งที่สองเป็นห้าช่วงตามระยะห่าง ในช่วงที่คล้ายกันที่สุด ความคลาดเคลื่อนของแผนที่กลิ่นหลักซึ่งเป็นโมเดลรุ่นก่อนกลับน้อยกว่า ส่วนอีกสี่ช่วงโมเดลรวมและโมเดลที่เหลือแค่คำเรียกกลิ่นนำหน้า แสดงว่าค่าเฉลี่ยรวมดีไม่ได้แปลว่าดีทุกช่วง

ต่างจากน้ำหอมจริงตรงไหน

จะนำงานวิจัยนี้ไปใช้กับน้ำหอมตรง ๆ ไม่ได้ กลิ่นผสมในห้องทดลองกับน้ำหอมจริงต่างกันมาก

• กลิ่นผสมที่ปรับความแรงแล้ว — ข้อมูลส่วนใหญ่ปรับความแรงของส่วนประกอบไว้ล่วงหน้า แต่ในกลิ่นจริง ส่วนประกอบที่แรงจะกลบตัวที่อ่อน และลักษณะของกลิ่นก็เปลี่ยนตามความเข้มข้น ทีมวิจัยเขียนว่าการจัดการเรื่องความแรงเป็นงานในอนาคต
• จำนวนส่วนประกอบ — กลิ่นผสมในการทดสอบมีส่วนประกอบราว 10 ชนิด ทีมวิจัยอธิบายว่ากลิ่นในชีวิตประจำวันมักเป็นกลิ่นผสมจากโมเลกุลหลายสิบหลายร้อยตัว
• วัตถุดิบจำกัด — ขอบเขตของโมเลกุลที่ใช้แคบ ยังไม่รู้ว่าจะใช้ได้กับโมเลกุลที่ไม่เคยเห็นหรือไม่
• การตัดสินเพียงชั่วขณะ — งานวิจัยนี้ถามว่าสองกลิ่นคล้ายกันแค่ไหน ไม่ได้ถามว่ากลิ่นเปลี่ยนไปอย่างไรตามเวลา หรือคนชอบกลิ่นนั้นไหม

โปรดจำข้อสุดท้ายไว้เป็นพิเศษ ระยะห่างบอกเพียงว่าสองกลิ่นต่างกันแค่ไหน ไม่ได้บอกว่ากลิ่นไหนดีกว่า

มีเรื่องน่ายินดีอยู่ข้อหนึ่ง ทีมวิจัยเปิดเผยข้อมูล โมเดล และโค้ดทั้งหมด ใครก็ลองหาวิธีที่ดีกว่าในโจทย์เดียวกันได้ แต่การเปิดเผยไม่ได้แปลว่ามีเครื่องมือให้นักปรุงน้ำหอมใส่แอคคอร์ดสองตัวแล้วได้ระยะห่างทันที ตอนนี้ยังเป็นเส้นฐานสำหรับนักวิจัยมากกว่า

เมทาเมอร์ วัตถุดิบต่างกัน แต่กลิ่นเหมือนกัน

ชุดข้อมูลชุดหนึ่งในงานวิจัยมาจากการศึกษาที่พยายามสร้างเมทาเมอร์ของกลิ่น เมทาเมอร์คือกลิ่นผสมคู่ที่ไม่มีส่วนประกอบซ้ำกัน แต่รู้สึกคล้ายกัน คล้ายกับเรื่องสีที่องค์ประกอบของแสงต่างกันแต่เห็นเป็นสีเดียวกัน

ทีมวิจัยคาดว่าผลครั้งนี้จะช่วยให้สร้างเมทาเมอร์เสมือนบนคอมพิวเตอร์แล้วทดลองได้อย่างมีประสิทธิภาพ โดยคัดตัวเลือกด้วยการคำนวณก่อน แล้วให้คนยืนยัน

การประยุกต์ที่ผู้เขียนยกมานั้นกว้างมาก ทั้งกลิ่นดิจิทัลที่เก็บและส่งกลิ่นเป็นข้อมูล เทคโนโลยีติดตามสุขภาพจากลมหายใจและอื่น ๆ จมูกอิเล็กทรอนิกส์ และการออกแบบสารหอมด้วยปัญญาประดิษฐ์เชิงสร้างสรรค์ แต่ทั้งหมดนี้คือความเป็นไปได้ในอนาคต งานวิจัยนี้ไม่ได้ออกแบบน้ำหอมให้ดู

บทวิเคราะห์: งานวิจัยนี้บอกอะไรกับคนที่กำลังเรียนปรุงน้ำหอม

จากตรงนี้ไปไม่ใช่ข้อสรุปของงานวิจัย แต่เป็นการตีความของ GrassAccord

การจดกลิ่นเป็นคำคือการออกแบบ ไม่ใช่แค่ความรู้สึก

เวลาถูกบอกให้จดบันทึกวัตถุดิบในชั้นเรียนปรุงน้ำหอม หลายคนรู้สึกว่าน่าเบื่อ ก็ดมด้วยจมูกอยู่แล้ว จะเขียนทำไม งานวิจัยนี้ชวนให้มองนิสัยนั้นใหม่ เพราะคำเรียกกลิ่นไม่กี่คำอธิบายระยะห่างของกลิ่นผสมได้ดีกว่าข้อมูลโมเลกุลมหาศาล

แน่นอนว่าคำของคอมพิวเตอร์กับบันทึกของคนไม่เหมือนกัน แต่ทิศทางเดียวกัน เมื่อแบ่งกลิ่นเป็นคำแล้วก็จะเปรียบเทียบได้ บันทึกที่จบด้วยคำว่า "ดี" ใช้กับการผสมครั้งหน้าไม่ได้ แต่บันทึกว่า "กลิ่นหญ้าเด่น ท้ายสุดเหลือไม้เปียก" ใช้ได้

เริ่มจากวัตถุดิบเดี่ยว

คำเรียนรู้จากโมเลกุลเดี่ยว แต่อธิบายกลิ่นผสมได้ ลำดับการเรียนปรุงน้ำหอมก็เหมือนกัน ถ้ารู้จักความรู้สึกของวัตถุดิบหนึ่งอย่างชัดเจน ก็จะอ่านออกว่าเกิดอะไรขึ้นเมื่อผสม เวลาที่ใช้ดมวัตถุดิบหนึ่งอย่างซ้ำ ๆ จะให้ผลตอบแทนมากกว่าการสร้างแอคคอร์ดจำนวนมากในภายหลัง

ตรงนี้ควรยืมวิธีหนึ่งจากห้องทดลองมาใช้ เหมือนที่ทีมวิจัยปรับความแรงของส่วนประกอบ เวลาเปรียบเทียบวัตถุดิบให้ปรับความเข้มข้นในการเจือจางให้เท่ากัน ถ้าตัวหนึ่งเข้มกว่า คุณจะเปรียบเทียบความแรงแทนที่จะเป็นลักษณะของวัตถุดิบ การตัดสินจากการดมแบบไม่เจือจาง มักเปลี่ยนไปเมื่อเจือจางแล้วดม

เลือกคำที่ความหมายแคบ

คำว่าเนเชอรัลสะดวก แต่กินความกว้าง ลองลงลึกอีกขั้นว่าอะไรที่เป็นธรรมชาติ เขียนให้ชัดว่าเป็นกลิ่นหญ้าตัดใหม่ ดินเปียก หรือผลไม้ปอกเปลือก อย่างที่บอกไปว่างานวิจัยไม่ได้พิสูจน์เรื่องนี้ แต่ที่โต๊ะปรุงน้ำหอมคุณจะเห็นได้เร็วว่าคำที่ความหมายแคบใช้ตัดสินใจครั้งต่อไปได้ดีกว่า

สร้างความรู้สึกเดิมด้วยวัตถุดิบอื่น

แนวคิดเมทาเมอร์ปลอบใจมือใหม่ได้มาก ถึงจะหาวัตถุดิบบางอย่างไม่ได้หรือติดกฎข้อบังคับ ก็สร้างความรู้สึกเดิมขึ้นใหม่ด้วยวัตถุดิบอื่นได้ การจะรู้สึกคล้ายกันไม่จำเป็นต้องใช้โมเลกุลเดียวกัน

สูตรที่ GrassAccord ขายหลายตัวก็ใช้น้ำหอมชื่อดังเป็นสื่อการเรียนรู้ แต่คล้ายกับเหมือนกันไม่ใช่เรื่องเดียวกัน งานวิจัยนี้ก็ศึกษาความรู้สึกเพียงชั่วขณะ ส่วนกลิ่นเปลี่ยนไปอย่างไรตามเวลา ต้องวางแถบทดสอบกลิ่นไว้แล้วติดตามเอง

เชื่อจมูกตัวเอง แต่อย่าเชื่อแค่ครั้งเดียว

แม้แต่ค่าเฉลี่ยการตัดสินของคนเมื่อวัดซ้ำก็ได้ 0.74 ถ้าสองกลิ่นที่เมื่อวานคล้ายกันวันนี้ดูต่างกัน อาจไม่ใช่เพราะจมูกมีปัญหา การตัดสินไม่นิ่งอยู่แล้ว เรื่องสำคัญให้กลับมาดมอีกครั้งในวันถัดไป แล้วเทียบกับบันทึกแรก สิ่งที่รักษาการตัดสินของคุณไว้คือนิสัย ไม่ใช่ตัวเลข

หลายจมูกดีกว่าจมูกเดียว

ผลงานที่ดีที่สุดในงานวิจัยนี้ไม่ได้มาจากทีมเก่งทีมเดียว แต่มาจากค่าเฉลี่ยของทีมที่ต่างกัน การดมกลิ่นก็คล้ายกัน เมื่อคุณตัดสินคนเดียวไม่ได้ ลองให้คนอื่นดม คำว่า "เหมือนสบู่" จากคนที่ไม่รู้เรื่องน้ำหอมอาจกลายเป็นคำใบ้ล้ำค่าของคุณ

ปัญญาประดิษฐ์แค่ช่วยคัดตัวเลือก

อนาคตที่งานวิจัยนี้ชี้ไปใกล้เคียงกับโลกที่คำนวณเพื่อคัดตัวเลือกแล้วให้คนตัดสินด้วยจมูก มากกว่าโลกที่นักปรุงน้ำหอมหายไป โมเดลยังไม่ได้ตัดสินดีหรือไม่ดี และอ่อนในช่วงที่ยากที่สุดคือ "เกือบเหมือนแต่ต่างกัน" ช่วงสุดท้ายนี้ยังเป็นหน้าที่ของจมูกมนุษย์ไปอีกระยะหนึ่ง

สามแบบฝึกที่ลองทำได้ทันทีที่โต๊ะปรุงน้ำหอม

อ่านงานวิจัยแล้วจบแค่นั้นก็น่าเสียดาย ลองย่อสิ่งที่ทีมวิจัยทำลงมาไว้ที่โต๊ะปรุงน้ำหอม สัดส่วนกำหนดตามวัตถุดิบและรสนิยมของคุณเอง

แบบฝึกที่ 1 สร้างสมุดคำศัพท์กลิ่นของตัวเอง

เลือกวัตถุดิบที่ใช้บ่อยสิบอย่าง แต้มลงบนแถบทดสอบกลิ่นทีละอย่าง จดแค่สามคำต่อวัตถุดิบหนึ่งอย่าง ตัดคำประเมินอย่าง "ดี" ออก ใช้เฉพาะคำที่ชี้ถึงกลิ่น เช่น ผลไม้ หญ้า ไม้ สบู่ หนึ่งสัปดาห์ต่อมาปิดชื่อแล้วจดใหม่เพื่อเปรียบเทียบ คำที่ยังอยู่คือหน้าตาที่แท้จริงของวัตถุดิบนั้น

แบบฝึกที่ 2 การทดสอบสามเหลี่ยมที่บ้าน

เตรียมเวอร์ชันทดลองสองตัวที่คล้ายกัน แต้มตัวเดียวกันบนแถบสองแผ่นจากสามแผ่น อีกแผ่นแต้มอีกตัว แล้วทำเครื่องหมายไว้ด้านล่าง ให้คนอื่นสลับลำดับ แล้วเลือกแผ่นที่ต่าง ถ้าทำหลายครั้งแล้วถูกเรื่อย ๆ แสดงว่าสองตัวนี้เป็นกลิ่นที่แยกกันได้ แต่ถ้าถูกแค่ระดับเดาสุ่ม (หนึ่งในสามครั้ง) สำหรับจมูกคุณตอนนี้ถือว่าแทบเป็นกลิ่นเดียวกัน

แบบฝึกที่ 3 วัดระยะห่างด้วยจมูกของตัวเอง

จดระยะห่างของสองกลิ่นเป็นตัวเลขระหว่าง 0 ถึง 1 โดย 0 คือแยกไม่ออก 1 คือต่างกันโดยสิ้นเชิง จดสักห้าคู่ แล้ววันรุ่งขึ้นให้คะแนนใหม่ตามลำดับเดิม ดูว่าตัวเลขแกว่งแค่ไหนก็จะรู้ความกว้างของการตัดสินของตัวเอง แกว่งก็ไม่เป็นไร เป้าหมายของแบบฝึกนี้คือการรู้ความกว้างนั้น

ข้อควรระวังเมื่ออ่านงานวิจัยนี้

• ไม่ใช่งานวิจัยน้ำหอม ศึกษากลิ่นผสมของโมเลกุลเพื่อการทดลอง ไม่ได้แปลว่าใช้กับสูตรน้ำหอมได้ตรง ๆ
• โจทย์ทดสอบมีไม่มาก การทดสอบครั้งที่หนึ่งมี 46 คู่ จึงจัดลำดับทีมชั้นนำไม่ได้ และทีมวิจัยเขียนให้อ่านผลของกลุ่มเล็กอย่างระมัดระวัง
• เก่งในช่วงกลาง ข้อมูลฝึกกระจุกอยู่ที่ระยะห่าง 0.5–0.8 จึงอ่อนกับคู่ที่คล้ายมากหรือต่างมาก
• วิธีวัดในข้อมูลปนกัน การทดสอบสามเหลี่ยมกับการให้คะแนนถูกย้ายมาไว้บนมาตรวัดเดียว จึงอาจยังมีความเอนเอียงตามวิธีเหลืออยู่
• ยังจัดการความแรงได้ไม่พอ ส่วนใหญ่ใช้ส่วนประกอบที่ปรับความแรงแล้ว แต่ในกลิ่นจริงความแรงเป็นตัวแปรใหญ่
• ไม่รู้ว่าจะใช้กับโมเลกุลใหม่ได้ไหม ขอบเขตของโมเลกุลที่ใช้ทดสอบแคบ
• การตีความมีผู้ไม่เห็นด้วย งานวิจัยระบุว่ามีนักวิจัยที่ไม่เห็นด้วยกับมุมมองว่ากลิ่นของกลิ่นผสมถูกกำหนดส่วนใหญ่จากการทับซ้อนของคำ
• เปิดเผยความสัมพันธ์การเป็นที่ปรึกษาบริษัทแล้ว งานวิจัยระบุว่าผู้เขียนบางคนเป็นที่ปรึกษาให้บริษัทด้านการรับกลิ่น

คำศัพท์ในบทความนี้

• โมเลกุลเดี่ยว — สารหอมที่ประกอบด้วยโมเลกุลชนิดเดียว
• กลิ่นผสม — การผสมโมเลกุลหลายตัว ในงานวิจัยนี้มีส่วนประกอบราว 10 ชนิด
• ระยะห่าง — ค่า 0–1 ที่แสดงว่าสองกลิ่นรู้สึกต่างกันแค่ไหน 0 คือแยกไม่ออก 1 คือต่างกันมากที่สุด
• การทดสอบสามเหลี่ยม — วิธีวัดความสามารถในการแยกกลิ่นโดยให้เลือกตัวที่ต่างจากสามตัว
• ค่าสหสัมพันธ์ — ตัวเลขที่แสดงว่าสองค่าขยับไปด้วยกันแค่ไหน ยิ่งใกล้ 1 ยิ่งขยับไปด้วยกัน
• ค่าความคลาดเคลื่อนเฉลี่ย (RMSE) — ขนาดที่คำทำนายเบี่ยงจากของจริงโดยเฉลี่ย ยิ่งน้อยยิ่งดี
• โมเดลรวม (เอนเซมเบิล) — โมเดลเดียวที่สร้างจากการเฉลี่ยคำทำนายของหลายโมเดล
• ข้อมูลคำเรียกกลิ่น (คุณลักษณะเชิงความหมาย) — ค่าที่คอมพิวเตอร์ทำนายว่าโมเลกุลจะถูกเรียกด้วยคำเรียกกลิ่นใด
• แผนที่กลิ่นหลัก (POM) — โมเดลจากงานวิจัยก่อนหน้าที่ทำนายคำเรียกกลิ่นจากโครงสร้างโมเลกุล หลายทีมในการแข่งขันนี้ใช้เป็นวัตถุดิบ
• เมทาเมอร์ — กลิ่นผสมคู่ที่รู้สึกคล้ายกันแม้ไม่มีส่วนประกอบซ้ำกัน
• แอคคอร์ด — หน่วยของกลิ่นที่ผสมวัตถุดิบหลายอย่างให้รับรู้เป็นความรู้สึกเดียว
• สูตร — แบบร่างที่เขียนว่าผสมวัตถุดิบอะไรในสัดส่วนเท่าไรเพื่อสร้างกลิ่นหนึ่งกลิ่น เป็นสิ่งที่ GrassAccord ขาย

ส่งท้าย

จมูกยังไม่มีกฎอย่างแดง เขียว น้ำเงิน แต่เบาะแสแรกที่ 26 ทีมร่วมกันค้นพบ กลับอยู่ทางฝั่งภาษาของมนุษย์อย่างคาดไม่ถึง คำเรียกกลิ่นไม่กี่คำอธิบายระยะห่างระหว่างสองกลิ่นได้ดีกว่าคำอธิบายโมเลกุลยืดยาว

และงานวัดระยะห่างนั้นจนถึงที่สุดก็ยังเป็นหน้าที่ของจมูกมนุษย์ จมูกไม่นิ่ง โมเดลก็เอนเข้ากึ่งกลาง เพราะทั้งสองไม่สมบูรณ์ การดมช้า ๆ หน้าแถบทดสอบกลิ่น จดเป็นคำ แล้วกลับมาดมอีกครั้งในวันถัดไป จึงยังเป็นวิธีที่เชื่อถือได้ที่สุดในตอนนี้

สำหรับคนที่เพิ่งเริ่มปรุงน้ำหอม นี่คือข่าวดี ไม่ต้องมีอุปกรณ์ราคาแพง แค่แถบทดสอบกลิ่นกับสมุดหนึ่งเล่มก็เข้าสู่เส้นทางที่งานวิจัยนี้ชี้ไว้ได้แล้ว กลิ่นคือภาษาสากลของมวลมนุษย์ GrassAccord จะร่วมเดินไปกับคุณในเส้นทางที่เก็บคำของภาษานั้นทีละคำ

ที่มาของงานวิจัย: Vahid Satarifard, Laura Sisson, Yikun Han และคณะ. "A semantic-based community model for high-fidelity tuning of olfactory mixture distances." PNAS 123(32), e2611057123 เผยแพร่วันที่ 4 สิงหาคม 2026 ต้นฉบับ: https://doi.org/10.1073/pnas.2611057123 · ตัวเลขทั้งหมดในบทความนี้นำมาจากเนื้อหาหลักของงานวิจัย ส่วนถ้อยคำเป็นการสรุปและอธิบายของ GrassAccord หัวข้อ "บทวิเคราะห์" ไม่ใช่ข้อสรุปของงานวิจัย แต่เป็นการตีความของ GrassAccord