Tutkijat ovat jo pitkään väittäneet siitä, kuinka ihmisen kehon reseptorit tarkalleen antavat meille mahdollisuuden havaita monenlaisia hajuja ja antaa heille yhden tai toisen kuvauksen. Yrittäessään ratkaisemaan tämän ongelman, insinööritiimejä ympäri maailmaa pyydettiin luomaan AI, joka kykenee havaitsemaan hajut sekä ihmiset.
Värin ennustaminen ei ole niin vaikeaa: jos esimerkiksi valoaalto saavuttaa 510 nm, useimmat ihmiset sanovat, että se on vihreä. Mutta on paljon vaikeampaa selvittää, mistä tietty molekyyli haisee. 22 tutkijaryhmää on luonut algoritmeja, jotka pystyvät ennustamaan eri molekyylien hajut niiden kemiallisen rakenteen perusteella. Ohjelman koko käytännön käyttötarkoitus on vielä määrittelemättä, mutta kehittäjät toivovat ensinnäkin, että se auttaa hajusteita, proviisoreja ja elintarvikealan työntekijöitä kehittämään uusia, ainutlaatuisia hajuyhdistelmiä.
Työ aloitettiin Leslie Vosshallin ja New Yorkin Rockefeller Universityn kollegoiden äskettäin tekemällä tutkimuksella, jossa 49 vapaaehtoista pyydettiin arvaamaan 467 hajua. Jokaiselle niistä kehitettiin 19 perusmallin vertailujärjestelmä: koehenkilöt kertoivat, oliko haju samanlainen kuin kala vai valkosipuli, arvioivat aromin voimakkuuden ja yksilöllisen miellyttävyyden. Seurauksena oli luettelo luettelosta, joka numeroi yli miljoona solua, jotka kuvaavat tiettyjä hajuisia molekyylejä.
Kun laskennallinen biologi Pablo Meyer sai tietää tästä, hän näki tutkimuksen heti tilaisuutena testata, pystyisikö tietokonejärjestelmä ennustamaan, kuinka ihmiset arvioivat hajuja. Huolimatta siitä, että tutkijat ovat löytäneet noin 400 hajun reseptoria ihmiskehosta, tutkijoille on edelleen mysteeri, kuinka tarkalleen ne toimivat yhdessä, jotta ihminen voi erottaa jopa hienovaraiset hajun sävyt. Vuonna 2015 Meyer ja hänen kollegansa käynnistivät DREAM Olfaction Prediction Challengen. Kilpailun osanottajat saivat käytettävissään samat vapaaehtoisten luokitustaulukot, jotka kuvaavat hajuja sekä niitä tuottavien molekyylien kemiallisen rakenteen. Lisäksi osallistuja toimitti tietokannan 4800 kuvauksesta jokaiselle yksittäiselle molekyylille - sen atomit, niiden keskinäinen järjestely, yleinen geometria,joka lopulta oli noin 2 miljoonaa datapistettä. Tietoja olisi lopulta käytettävä kouluttamaan tietokoneohjelmia tunnistamaan hajut rakenteellisten tietojen perusteella.
Kilpailuun osallistui 22 joukkuetta ympäri maailmaa, ja vaikka monet ovat menestyneet hyvin, kaksi joukkuetta on korostamisen arvoinen. Michigan-joukkue, jota johti Ian Phan Guang, oli paras ennustamaan yksittäisten esineiden hajuja. Toinen Arizonan yliopiston joukkue, jota johti Richard Guerkin, oli paras kouluttamaan ohjelmaa keskimääräisen hajuarvon perusteella näytteestä. Meyer raportoi tästä artikkelissa, joka julkaistiin Science-lehdessä.
Tietenkin, monet tutkijat suhtautuvat skeptisesti kehitykseen, sanoen, että tehty työ, vaikka se antaa merkittävän panoksen tieteeseen, on kuitenkin melko primitiivinen valinta, ja 19 kuvaavaa elementtiä koko luonteen hajuvalikoimasta on selvästi hyvin, hyvin vähän. Vaihtoehtoisissa vapaaehtoisten tutkimuksissa käytettiin 80 tai enemmän näistä kriteereistä erilaisten hajujen arvioimiseksi suullisesti. On epäselvää, pystyykö olemassa oleva algoritmi ennustamaan hajuarvioinnin oikein, jos sen on käsiteltävä tällaista tietoryhmää. Joten tänään hajujen havaitseminen on edelleen mysteeri sekä lääkäreille että insinööreille.