人工智能（AI）最为人熟知的是其视觉能力（例如， 无人驾驶汽车）和听觉能力（例如，Alexa 和其他家庭助理）。从现在起，它或许也能嗅闻。我的同事和我正在开发一种人工智能系统，它能够嗅闻人的呼气，并学习识别我们呼出气体中可能揭示疾病的一系列物质。
动物利用嗅觉，甚至植物也如此，来识别空气中漂浮的数百种不同物质。但与其他动物相比，人类的嗅觉发达程度低得多，当然也不会用来开展日常活动。因此，人们并未特别意识到空气能够传递丰富的信息，而高度敏感的嗅觉系统可以感知这些信息。人工智能或许即将改变这一点。
几十年来，世界各地的实验室一直能够利用机器检测空气中含量极少的物质。这些机器称为气相色谱质谱仪（GC-MS），可以分析空气，发现数千种不同的分子，它们被称为挥发性有机化合物。
在 GC-MS 仪器中，空气样本里的每种化合物首先会被分离，然后被击碎成碎片，形成独特的指纹图谱，据此便可识别化合物。下图展示了对呼气样本进行分析所得数据的一小部分可视化结果。
每个峰都代表一个分子碎片。这些峰的特定模式揭示了不同物质的存在。往往即使是最小的峰也至关重要。人类呼气中存在数百种化合物，其中一些可能揭示多种癌症的存在，甚至能在早期阶段发现。因此，世界各地的实验室都在尝试使用 GC-MS 作为一种无创诊断工具，以无痛且及时的方式识别多种疾病。
遗憾的是，这一过程可能非常耗时。大量数据需要专家手动检查和分析。化合物数量庞大、数据复杂，即使是专家，分析单个样本也要花很长时间。人也容易出错，可能漏掉某种化合物，或把一种化合物误认为另一种。
人工智能如何发挥作用
作为拉夫堡大学数据科学团队的一员，我和同事们正在调整最新的人工智能技术，使其能够感知并学习一种不同类型的数据：呼气样本中的化合物。受大脑启发的数学模型被称为深度学习网络，专门设计用于“读取”气味留下的痕迹。
爱丁堡癌症中心的医生、护士、放射技师和医学物理学家组成的团队爱丁堡癌症中心采集了正在接受癌症治疗的参与者的呼气样本。随后，两组化学家和计算机科学家对这些样本进行了分析。
化学家手动识别出若干种化合物后，研究人员将数据输入高速计算机，用于训练深度学习网络。名为 GPU 的专用设备能够同时处理多条不同的信息，从而加快了计算速度。深度学习网络从每份呼气样本中不断学习，直至能够识别出揭示呼气中特定化合物的特定模式。
这一过程的简要示意：从空气或呼气样本中的化合物，到检测到的物质的可视化结果。
这项初步研究的重点是识别一组化学物质，称为醛类，它们通常与香味有关，也与人的压力状态和疾病有关。
配备这项技术的计算机只需几分钟，就能自主分析一份呼气样本；人类专家此前需要花上数小时。实际上，人工智能降低了整个流程的成本，更重要的是提高了可靠性。更有意思的是，这种智能软件会不断积累知识，并随着分析的样本增多而持续改进。因此，这种方法并不局限于某种特定物质。运用这一技术，可以训练深度学习系统检测少量挥发性化合物，其潜在应用范围广泛，包括医学、法证、环境分析等领域。
如果人工智能系统能够检测疾病标志物，我们就有可能据此诊断自己是否患病。这项技术潜力巨大，但也可能引发争议。我们只是提出，人工智能可以用作检测空气中物质的工具。它不一定要负责诊断或作出决定。最终的结论和决定仍由我们来作出。
