AIBR プレミアム
拓海先生、最近部下から「匂いの評価をAIでやれるようにしよう」と言われまして、正直ピンと来ないんです。機械で嗅覚って評価できるものなんですか。
素晴らしい着眼点ですね！嗅覚をそのままデジタル化するのは難しいですが、機械の嗅覚センサーと人間の脳活動を組み合わせれば、好みを推定できる可能性があるんですよ。
人間の脳の活動、ですか。そもそもEEGとかいう波形を使うんでしたっけ。それをうちの現場にどうやって当てはめるのか、イメージが湧きません。
いい質問ですよ。EEGはElectroencephalogram（EEG）＝脳波のことで、匂いに反応して微妙に変わる信号が取れるんです。機械の匂いセンサーであるE-nose（Electronic nose）と組むと、匂いの物理的特徴と人の感情反応を同時に見ることができますよ。
なるほど。で、それを「被験者が違っても判定できる」ようにしたのが今回の研究という理解でいいですか。これって要するに、個人差を乗り越えて共通の判断基準を作るということ？
まさにその通りです！ポイントは三つです。1) E-noseは匂いの化学的特徴を捉える、2) olfactory EEG（嗅覚EEG）はその匂いに対する個々人の感情反応を示す、3) 両者を補完的に学習させることで、被験者間の差を吸収しつつ好みを識別できるようになるということですよ。
要点を三つにまとめると分かりやすいですね。とはいえ実用化するにはデータ収集が大変ではありませんか。被験者を集めるコストや装置の導入がハードルに思えます。
確かに最初のデータ取得は投資が必要です。ただ現実的な導入案としては、まずはE-noseを使った匂い特徴のラベリングと、少人数のEEGセッションで個別反応のサンプルを取る方法が考えられますよ。段階的に進めれば初期コストを抑えつつ価値を検証できます。
段階的な導入、分かりました。ところで、現場の担当者は「機械に学習させる」と言うと難しく感じます。説明のときに押さえるべき要点は何でしょうか。
要点は三つに絞ると伝わりやすいですよ。1) 機械は匂いの「物理的な特徴」を見る、2) 脳波は「人の好みや感情」を示す、3) 両者を合わせることで、機械だけでは分からない“好み”を高精度に推定できる、という点です。これだけで事業判断しやすくなりますよ。
分かりました。最後に一つ、結果の信頼性です。被験者が変わっても「その匂いが好まれるか」を正しく当てられる本当に信頼できるんですか。
実験では24人の被験者で良好な結果が出ています。重要なのは、共通の匂い特徴（E-nose）と個別の感情特徴（EEG）を分離して学習する点で、これにより被験者の違いに強いモデルになっているんです。つまり実務でも再現性ある評価が期待できるんですよ。
分かりました、拓海先生。要するに、「匂いの物理情報は機械で取って、人の好みは脳波で拾い、両方を組み合わせれば被験者が変わっても好みを当てられるようにできる」ということですね。私たちの製品開発に応用できそうです。
