机构名称：
¥ 1.0
机器学习能破解鼻子里的密码吗？在过去十年中，研究试图利用大数据解决化学结构和感官质量之间的关系。这些研究推进了嗅觉刺激的计算模型，利用人工智能挖掘化学和心理物理学之间的明确相关性。计算视角有望通过更多数据和更好的数据处理工具解决嗅觉之谜。然而，他们都没有成功，而为什么会这样很重要。本文认为，我们应该对在感知理论中将感觉系统的生物学黑箱化的趋势深表怀疑。相反，我们需要将刺激模型和心理物理数据都建立在嗅觉系统的真实因果机制解释之上。核心问题是：生物学知识是否能比当前机器学习模型中使用的刺激更好地理解气味编码中的刺激？事实确实如此。关于受体行为的最新研究表明，嗅觉系统的运作原理并未被当前刺激反应模型所捕捉。这可能需要从根本上修订嗅觉的计算方法，包括其心理效应。为了分析嗅觉的不同研究项目，我们借鉴了劳埃德的“研究问题逻辑”，这是一个哲学框架，可帮助科学家阐明所讨论的建模方法的推理、概念承诺和问题。
机器学习在嗅觉方面的可能性和局限性
主要关键词
相关文件推荐
