후각은 인체에서 가장 먼저 형성되는 감각 중 하나이며 매우 복잡한 감각 반응입니다. 코는 매우 민감한 탐지기와 같습니다. 수백만 개의 후각 신경을 통해 우리는 구조적 특성이 다른 다양한 냄새 분자를 인식하고 구별할 수 있으므로 복잡한 환경에서 빠른 판단을 내릴 수 있습니다.

이미지 출처: 펙셀

지속적인 과학기술의 발전으로 인간의 후각 인식을 모방한 인공지능(AI) 후각 인식 기술이 급속도로 발전하고 있다. 머신러닝과 인공지능의 첨단 알고리즘을 결합해 냄새 분자를 감지하고 분석해 다양한 물질을 식별하는 기술이다. AI 후각 기술의 적용 분야는 환경 모니터링부터 의료 진단, 식품 안전부터 범죄 수사까지 다양하며 그 잠재력은 무궁무진하다.

많은 미세 분야에서 AI가 인간의 능력을 넘어섰을 때 우리는 후각 인식의 '영역'에서 다음과 같은 질문을 하지 않을 수 없습니다.AI와 인간의 코 중 어느 쪽이 후각을 더 잘 인식할까요?? 이 질문에 대한 답을 찾기 전에 먼저 인간과 AI가 냄새를 어떻게 인식하는지부터 살펴보겠습니다.

인간의 뇌는 냄새를 어떻게 인지하는가?

뇌가 냄새를 인지하는 과정은 마치 '만남'과 같다.

먼저 냄새 분자가 조용히 도착하여 비강으로 들어갑니다. 비강 위에는 후각상피라고 불리는 특별한 부위가 있습니다.

여기에는 냄새 분자를 특이적으로 인식할 수 있는 후각 수용체 세포가 많이 있습니다. 이 냄새 분자는 파트너인 후각 수용체를 찾기 위해 비강 주위를 여행합니다.

인간은 대략 400개의 기능적 후각 수용체를 가지고 있습니다. 이러한 수용체가 냄새 분자와 접촉하면 즉시 전기 신호에 변화를 일으키고 "전기 충격 춤"을 수행하여 신호를 뇌에 전달합니다.

이 신호는 후각신경을 통해 후각구라고 불리는 뇌의 특정 영역으로 전달됩니다.


빨간색은 후각 구근, 사진 출처: 참조 [1]

후각 구근에서 이러한 신호는 추가로 처리되고 분석됩니다. 그런 다음 정보는 해마 및 편도체와 같은 기억 및 감정과 관련된 뇌 영역으로 전송됩니다. 뇌는 이러한 신호를 우리가 인식하고 이해할 수 있는 후각 감각으로 변환하여 우리가 냄새의 맛, 질감 및 기타 특성을 경험할 수 있도록 합니다.

마지막으로 후각 신경 신호의 처리는 커피, 장미, 두리안 등과 같은 다양한 냄새를 설명하는 의미론적 표현을 형성합니다. 이 과정은 너무나 마술적이고 절묘하여 우리 삶을 다채롭고 재미로 채웁니다.

AI는 어떻게 냄새를 맡는가?

이제 인간의 뇌가 냄새를 인지하는 원리와 과정에 대해 전반적으로 이해하게 되었는데, AI는 어떻게 다양한 냄새를 맡을 수 있을까요?

AI는 분자 구조를 기반으로 한 '추측 게임'처럼 냄새를 맡는다.

냄새는 냄새 신호를 전달하는 "전달자"와 같은 특정 구조를 가진 분자에서 발생합니다. 그러므로,물질의 냄새를 예측하려면 분자의 구성과 구조를 파악하는 것이 핵심이다.

이 과정에서 AI는 세심하게 구성된 대규모 데이터베이스에 의존합니다. 이 데이터베이스는 알려진 분자 구조와 해당 냄새 사이의 연결에 대한 철저한 목록이 포함된 고급 "냄새-분자 번역 사전"으로 생각할 수 있습니다. 냄새와 각 분자의 연관성은 꼼꼼하게 기록되고 보관됩니다.

생물학적 냄새를 시뮬레이션하는 데 사용되는 신경 알고리즘이 Nature Machine Intelligence 저널의 논문에 보고되었습니다.

새로운 분자의 냄새를 예측하는 작업에 직면하면 AI는 이 전문적인 "사전"을 신속하게 검색하여 새로운 분자와 유사한 구조를 가진 알려진 분자를 찾고, 그로부터 가능한 냄새 특성을 추론합니다. 이 프로세스는 속도가 빠를 뿐만 아니라 매우 정확합니다.

AI는 기본적인 구조 매칭 외에도 분자의 전기음성도, 입체배열 등 다른 화학적 특성도 종합적으로 고려하여 새로운 분자의 냄새 특성을 보다 포괄적으로 예측합니다.

전반적인 과정은 AI가 다양한 단서를 수집하고 분석하여 새로운 분자의 냄새를 추론하는 것과 같습니다.

2023년 8월, AI 냄새 분석을 위한 그래프 신경망(GNN) 모델이 사이언스 매거진에 게재되었습니다.


AI가 냄새를 식별하는 과정, 사진출처: 참고[4]

분자 구조가 모델에 입력된 후 GNN은 특정 냄새의 다양한 화학 구조의 가중치를 최적화하고 최종적으로 예측 레이어를 통해 분자의 냄새를 판단하고 해당 냄새 설명자를 출력합니다.

연구원들은 GNN 모델과 인간 그룹을 대상으로 냄새 테스트를 실시했습니다. 결과는,AI는 화학 분자의 53%, 냄새 설명의 55%에서 인간 전문가를 능가했습니다.

인간 vs. AI: 냄새 전문가는 누구인가?

우리는 "냄새 전문가"인 전문가들로 구성된 팀을 상상할 수 있습니다.

많은 양의 데이터와 알고리즘에 의존하는 AI와 달리 이들 전문가는 주로 후각과 수년간 축적된 경험을 바탕으로 냄새를 분석하고 설명합니다. 그들은 다양하고 복잡한 냄새의 뉘앙스를 인식하고 이를 정확한 언어로 설명하는 능력을 가지고 있습니다.

예를 들어 꽃 냄새, 과일 냄새, 풀 냄새, 가죽 냄새 등 다양한 냄새를 명확하게 구별하고 깊이 있게 설명할 수 있습니다.

또한 이러한 냄새 전문가들은 냄새의 근원지와 환경적 요인을 연계하여 냄새를 분석하고 해석할 수 있습니다. 예를 들어 조리과정에서 발생하는 냄새, 식물의 냄새, 동물의 독특한 냄새 등을 식별하고, 이러한 냄새의 특성과 변화를 토대로 냄새의 원인과 영향을 체계적으로 분석할 수 있습니다.

데이터 기반 AI의 예측과 달리이러한 향기 전문가의 설명과 판단은 주관적인 요인에 의해 영향을 받을 수 있습니다.

그들의 결론은 사람마다 다를 수 있으며 다양한 요인의 영향을 받을 수도 있습니다. 따라서 어떤 경우에는 냄새에 대한 설명이 AI의 판단과 다를 수 있습니다.

물론 이는 단지 상상일 뿐 실제 향기 전문가가 전문가가 아니라는 뜻은 아니다. 현 단계에서 AI의 후각 능력은 아직 인간을 압도하는 수준에 이르지 못했고, 인간은 냄새에 대한 주관적 경험과 이해에서 대체할 수 없는 이점을 갖고 있다.

우선, 복잡한 냄새 스펙트럼에 직면하여 AI가 보다 정확한 판단을 내리기 위해서는 방대한 데이터와 학습 및 시뮬레이션을 위한 고급 알고리즘에 의존해야 합니다.

그러나 인간의 후각 시스템은 더 높은 유연성을 보여줄 수 있지만 현재 AI 시스템으로는 여전히 달성하기 어렵습니다.


다양한 AI 모델의 예측과 인간 그룹 평균의 상관관계. 이미지 출처: 참고자료 [4]

인간의 후각은 기분, 건강, 삶의 경험 등과 같은 다른 많은 요인의 영향을 받습니다. 이러한 요인은 냄새에 대한 우리의 인식과 판단에 영향을 미칠 수 있습니다.

이러한 변수는 AI가 인간의 후각 시스템을 완전히 이해하고 시뮬레이션하기에는 부족한 인간의 후각에 복잡성을 추가합니다.

결론

AI는 후각 기술에서 놀라운 잠재력을 보여줬고 일부 분야에서는 상당한 발전을 이루었지만,하지만 아직은 인간을 완전히 넘어선 것은 아니다.. 각각에는 서로 다른 장점과 한계가 있습니다. 기술이 계속해서 발전함에 따라 AI가 냄새 분야에서 더 많은 혁신을 이룰 것이라고 기대할 만한 이유가 있습니다.

그러나 이 분야는 냄새 분자의 정확한 식별, 안정성 및 재현성과 같은 다양한 과제에 여전히 직면해 있어 추가 연구와 개선이 필요합니다. 또한,이 신흥 기술에 대한 대중의 수용과 신뢰 또한 성공적인 적용을 이끄는 핵심 요소입니다.

요약하자면, AI 후각 기술은 개발 전망이 넓고 무한한 가능성을 갖고 있지만 구체적인 개발 궤적과 결과를 검증하려면 여전히 시간과 연습이 필요합니다. 우리는 과학 연구자와 엔지니어들이 이러한 과제를 해결하고 사회에 더 많은 편리함과 안전을 가져올 수 있기를 기대합니다.

참고자료

[1] 에드먼드 종, 모니카 모로니, 크리스토퍼 윌슨 등. 합성 합성 광유전적 냄새를 조작하면 후각 인식 Science 2020, 368, 6497의 코딩 논리가 드러납니다.

[2] LuluGuo, JieCheng, ShuoLian, 등. 포유류 냄새 물질 수용체에 의한 민취제 인식의 구조적 기초. Nature2023,618,193.

[3] JiaDuan, PeiyuXu, Xiaodong Luan, 등. 갑상선 자극 호르몬 수용체의 호르몬 및 항체 매개 활성화. Nature2022,609,854.

[4]BrianK.Lee,EmilyJ.Mayhew,BenjaminSanchez-Lengeling,etal.Aprincipalodormap은 다양한 작업시놀 공장 인식을 통합합니다.Science2023,381,999.