文 | 黄康瑄

来源 | 智能相对论（ID：aixdlun）

“A woman who doesn’t wear perfume has no future.”—from Coco Chanel

作为一项历史悠久的定制艺术品，香水在千百年来受到无数人的欢迎。专业调香师更是需要经过数十年的学习和训练，才能习得开发香水这项宝贵技能。近年，在图像、影像及语音识别等领域大放异彩的人工智能也开始逐渐渗透到香水行业。有趣的是，AI制作香水并不依赖嗅觉，其原理类似于人工智能作曲和写作，通过大量分析香水的配方成分与销售资料，运用机率统计与排列组合等大数据运算，帮助调香师更有效率地调配出符合消费者喜好的配方。

AI香水=现有香料+配方+销售资料

2018年，全球知名的香精生产公司Symrise与IBM Research合作开发了一款名为Philyra的AI香水调试系统，其命名灵感来自希腊神话中的香水女神。Philyra能够通过分析现有的芳香配方，将其成分与销售地区、客户年龄等数据进行匹配，调制出最符合目标客户喜好的香水。

目前，香水行业大约拥有1300种香料，包含合成香料，外加花、苔藓、香草以及水果的提取物等种类。客户群涵盖Estée Lauder、AVON、Coty和Donna Karan等著名香水公司的Symrise，向IBM提供了一套包含各种物质及对应组合构成的，共170万个配方的数据库作为Philyra的学习素材。IBM将这份庞大的香水配方资料及其销售表现信息输入Philyra，与Symrise提供的其他客户数据进行比较，例如哪些香味在哪些地方最畅销、主要购买群体由哪些人组成、不同年龄段的消费者分别偏好哪些香味。通过学习现有的香水原料、配方公式，以及对现有销售资料的分析比较，Philyra可以根据这些资料来预测人类的喜好程度，从而创造出针对特定人群的新配方。

Philyra的算法主要涵盖四个主要类别：分别是配方中原料的补充或替代品、香精原料用量、预测人类对香味的反应与香味的新奇度。即通过比较新研发的香水样品和市面上已有的成品，发现其新颖之处。这项技术也可用于竞品的调研与分析。

实验成功

2018年，Philyra和Symrise公司高级副总裁兼高级香水调香师David Apel一起做了一个实验。他们制作了三款完全不同的香水:其中一款完全由人工智能制作完成；第二款香水主体由人工智能完成，调香师做了一些调整；第三款香水主要由调香师完成，人工智能作为辅助。这三款香水都经过消费者测试之后，绝大多数人选择了100%人工智能生产的香水。

2019年，巴西第二大美妆店O Boticário和Philyra合作，以生活在巴西生活的95后和00后为目标客群，希望开发出一款符合他们审美的香水。

Philyra将香料配方与该地区和相应年龄范围内流行的气味进行分析比较，创造了两种配方。配方完成后，由Apel对产品进行调整，突出某种特定香气，并延长它在皮肤上的持续时间。这两款配方分别被制作成符合大多数女孩喜好，混合果香、花香及各类香草的Egeo ON Me；以及掺杂着绿豆蔻荚，胡萝卜籽、奶香、奶油，基调浓郁的Egeo ON You。根据数据预测，Philyra创造的香水配方应该能够在目标群体中获得良好的反馈。这两款香水已于2019年6月12日巴西情人节当天发行，事实上，Egeo ON Me和Egeo ON You的确在小范围推广中获得出色的反响，即使与其它深受巴西年轻一代喜欢的香水进行排名对比也名列前茅。

不同于传统的调香方式，Philyra不依靠香味去分辨接下来应该添加哪种香精，而是以深度学习算法全面分析之后，再决定放香料的顺序。人工智能调香系统不会受到文化偏见、个人偏好、知识、经验或对某种物质的舒适度影响，得以发现过去从未探索过的可能性。Symrise的调香师Apel表示，当Philyra将荳蔻荚和胡芦巴种子等烹饪香料与牛奶和黄油基料组合时，他感到十分惊讶。“这是我以前从未想过的配方。”Apel说，“这不在我会使用的普通材料范围内。”AI调香师新颖的调配方式颠覆了过去的调香思维，为香水研发提供了全新的思路。

省时省力

同年，总部位于瑞士的知名香精香料公司Givaudan Fragrances，推出了一款名为Carto的人工智能调香系统。此系统利用Givaudan的香料，创造出“气味值地图”(Odour Value Map)。

Carto以香水开发领域常用的香调金字塔作为底层逻辑，对消费者的嗅觉感官进行数字量化，通过机器学习技术为调香师提供关于成分组合的建议。调香师通过触屏操作，就可以轻松调用品牌繁杂的香水配方库中的数据，将不同的香味组合在一起。此外，Cartoc还包含“快速成样”功能，可以在极短时间内完成香水产品的打样工作，将这些香料加工成香水，让调香师可以立即测试他们的新香味。

“这种方法给调香师节约了更多的时间。”Givaudan首席调香师Calice Becker说。多年来，香水的制作过程不断发展，研发一款新的香水大约需要6个月到4年的时间。人工智能的加入大幅缩短了香水研发周期，并大大提升了生产效能。

由于可以即时创建样品，调香师几乎能够与客户一起在现场调试香水，明显提高了香水客制化服务效率和品质，对于提升以个性化香水打造和体验为卖点的香水吧（Parfum Bar）营销有很大的助益。目前，Givaudan已在全球各个区域的香氛创造中心配置了Carto系统。在服务调香师的同时，这套系统也参与到创造香水的各个步骤之中。

根据Euromonitor的预估，2022年，全球香水市场的价值将达到700亿美元。中国香水行业市场规模同比增长29.88%，达到80亿元人民币，其中70%以上份额被国际品牌占据。2019年上半年，中国进口香水市场增长了43%，达到22.4亿元。其中，高端香水市场未惧外围经济因素影响，实现了三年内最高增长率，2022年国内香水市场规模预计将突破400亿元。

机遇或挑战?

香水产业发展前景广阔，未来可期。Philyra和Carto等人工智能调香设备的出现，无疑是大香水公司的福音。凭借AI过人的运算能力，可快速学习并分析大量的配方、原料及销量数据，为人类调香师提供各方面的技术支持。对大公司而言，既能开拓新的路径，又能节省时间和劳动力，是一项非常有用的技术。但对小型的香水生产商来说，它可能没什么作用。

首先，AI调香师必须经由学习、分析目标客群的大量数据才能发挥作用。只有像Symrise和Givaudan Fragrances这类成立时间长、企业规模大、销售范围广的大公司，才拥有足以支撑人工智能训练要求的香水原料清单、配方公式与客户资料数量。规模较小的香水公司可能没有足够的原料配方和消费统计数据帮助AI学习。

其次，人工智能调香系统的运作原理是利用大数据分析、机率统计等算法，找出现有香料种类、配方公式与销售结果的关系，再使用强大的运算能力，计算出最受目标客群欢迎的香料配方。这种算法在其他领域运用时间较长，相对成熟。对大香水公司而言，与IBM等拥有成熟算法与系统的公司合作，比自己研发AI更加省时省力；且AI调香师普及后，更能大幅降低香水研发制作的人力、时间成本，是一项有利且必要的投资。而小香水公司可能并没有自主研发AI调香系统或购买AI调香设备的能力和预算。

由于AI调香技术尚未普及，目前，人工智能调香系统对人类调香师和香水消费者的影响还不是很大。AI调香师不仅能自动创造出符合目标客群喜好的配方，还能即时产出样本，大幅缩短香水研发及制造时间。如同所有自动化生产设备，人工智能在香水产业大规模应用，似乎只是时间问题。随着AI调香技术与香水自动化生产的逐渐成熟，大香水公司的研发成本更低、效率更高、指向更精准，或许可能造成香水产业的马太效应，也可能帮助小众的香水制造商筛选出他们的目标消费群体。

结语

但这并不代表人类调香师即将被AI调香系统取代，如同作曲机器人无法完全取代人类音乐家一样。就像Philyra研发團隊的成員Richard Goodwin说的：“数百年来，人们始终都在探索如何结合’艺术’和’科学’的方法设计完美的香水。”而如今凭借AI的辅助，人类调香师只需专注于他们擅长的“艺术”部分，“科学”的部分只需交给算法系统，两者的结合大大提高了调配的效率。

(以上图片均来源于网络)

参考资料:

1.Chavie Lieber《Is AI the future of perfume?IBM is betting on it. 》

2.Andria Cheng《Now,Even Your Perfume May Be The Result Of Artificial Intelligence》

3. 中研网《用AI做香水?全球最大香精香料公司奇华顿用AI工具创造“气味值地图”》

4. 读芯术《今日芯声 | 香水界大变革：匠心不再巨制，一切假手“他人”》

5. 华丽志《AI香水系统Philyra人工智能调配的首款高级香水将面世》

6. 竞科技《香水无毒，唯是缺“Ai”》

7. 腾讯网《2022年 全球香水市场将达700亿美元 香水吧成国内香水市场热点》

深挖智能这口井，同好添加vx：zhinengxiaoyan

此内容为【智能相对论】原创，

仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。

部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。

智能相对论（微信ID:aixdlun）：

?AI产业新媒体;

?今日头条青云计划获奖者TOP10;

?澎湃新闻科技榜单月度top5;

?文章长期“霸占”钛媒体热门文章排行榜TOP10;

?著有《人工智能 十万个为什么》

?【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。