聽節目（在新分頁開啟原站）連到 The TWIML AI Podcast
摘要
探討 Osmo 創辦人 Alex Wiltschko 如何讓電腦具備嗅覺能力。他解釋了人類鼻子的三億多嗅覺感受器如何將分子結構轉化為多維度空間，並透過圖神經網路與嵌入空間捕捉香氣的多維結構。Osmo 從零開始建立全球最大的專屬嗅覺資料集，訓練預測模型，旨在將此技術應用於疾病檢測、情緒感知等遠超香氛的領域。
Osmo founder Alex Wiltschko discusses how to give computers a sense of smell. He explains how human olfactory receptors convert molecular structures into multi-dimensional spaces, and how Osmo builds the largest proprietary olfactory dataset to train predictive models for applications beyond frag.
重點
- Osmo 創辦人 Alex Wiltschko 探討讓電腦具備嗅覺能力的挑戰與方法。
- 人類鼻子有超過 300 種嗅覺感受器，將分子轉化為多維度空間。
- Osmo 建立最大規模的專屬嗅覺資料集以訓練預測模型。
章節
依話題轉折切分，標題由 AI 產生
- 00:00AI 如何學習嗅覺：從分子到資料的對映
- 04:45嗅覺神經元的結構與功能：為什麼嗅覺如此獨特
- 08:24人類嗅覺的極致敏感：從一滴淚到天然氣
- 14:26資料集與 PCA 分析：如何捕捉相似的香氣
- 24:55生成式 AI 如何模擬香水配方：從需求到成品
- 28:39從分子對映到多模態嵌入：AI 的雙向思維
- 30:58資料驅動的自驅車與 AI 架構：Osmo 的經驗
- 37:15香氣的個人差異：文化與經驗的深層影響
- 39:42味覺與嗅覺的緊密聯絡：為什麼失去嗅覺會摧毀味覺
- 45:39從 Reddit 到現實世界：構建全球嗅覺資料集的挑戰
- 49:34超越文字與影像：建立嗅覺與情感的新基準
- 53:14嗅覺在醫療與商業中的潛力與挑戰
- 56:09從單一標籤到情緒對映：AI 嗅覺的未來方向
- 58:27香氣的應用：從房地產到心理療法的真實案例
提到的工具與公司
- Osmo
適合誰看
對 AI 與機器學習感興趣，希望了解如何將非視覺聽覺模態應用於 AI 的人。
摘要依據
- 講者
- Sam Charrington
- 依據
- 語音轉文字
為什麼排在這裡
- 人氣
- 0.50
- 新鮮
- 0.72
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- How neural networks bend space影片 ・ Luis Serrano Academy ・ 16 分鐘（在新分頁開啟原站）
- A Quest for a Cure: AI Drug Design with Isomorphic LabsPodcast ・ Google DeepMind: The Podcast ・ 45 分鐘（在新分頁開啟原站）
- 为什么硅谷开始重新定义「AI 记忆」| S10E20Podcast ・ What's Next｜科技早知道 ・ 57 分鐘（在新分頁開啟原站）
- E209｜挑战Neuralink，硅谷大佬争相涌入的超声脑机接口是什么？Podcast ・ 硅谷101 ・ 1 小時 32 分（在新分頁開啟原站）
- 3 層架構打造個人 AI 大腦：從 Raw Data 到持久知識庫 🛠️影片 ・ HC AI說人話 ・ 33 分鐘（在新分頁開啟原站）
- Vol.124｜从迪士尼机器人到 OpenAI 情绪模型：他想造出机器的「生命感」Podcast ・ 开始连接 LinkStart ・ 1 小時（在新分頁開啟原站）
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。聽節目（在新分頁開啟原站）