尽管科学家们早就知道老鼠能够辨别气味——比如食物的气味，或者食肉动物的气味——但他们一直无法解释为什么老鼠能够如此轻易地完成这项看似复杂的任务。
但由分子和细胞生物学教授文卡特什•穆尔蒂(Venkatesh Murthy)领导的一项新研究表明，处理气味的方法可能比研究人员意识到的要简单得多。
通过使用机器学习算法，穆尔蒂和同事们能够“训练”一台计算机，识别与各种气味相关的神经模式，并确定混合气味中是否存在特定的气味。这项研究发表在9月1日的《神经元》(Neuron)杂志上。
这篇论文由亚历山大·马西斯(Alexander Mathis)、丹·洛克尼(Dan Rokni)和维克伦·卡普尔(Vikrant Kapoor)共同撰写德国理论物理研究所。
“咖啡的味道很容易就能辨别出来。但是如果加入肉桂和鲜花的味道，我还能分辨出咖啡吗?”他说。“在早期的一项研究中，我们在老鼠身上进行了测试，发现它们可以做得很好。
他说:“通过这项研究，(我们想测试)我们是否能建立一个算法……在计算机上实现这一点，令我们惊讶的是，它是如此简单。”“起初，我们认为这将是非常复杂的，但如果你把它像一个逻辑问题一样摆出来，它基本上是选择一个特定的神经激活模式，它隐藏在一系列模式之中，从计算机科学的角度来看，这是可行的。这个问题可以用一个非常简单的线性分类器来解决。它不需要复杂和非线性，这是建立在深度神经网络。难怪老鼠学得这么快，做得这么好。”
默西说，从本质上讲，该算法和其他任何模式识别系统一样工作，只是模式是老鼠对特定气味做出反应的神经激活模式。
相关的
的气味
他说:“从本质上讲，一种气味会导致特定的神经激活模式，而另一种气味则会导致不同的模式。”“当你开始混合气味时，这些模式最终会重叠。老鼠有大约1000种嗅觉感受器，但是一种特定的气味只能激活其中的10%。这是足够稀疏的，即使你有很多气味混合，他们仍然可以解析出来。该算法所做的是观察这些模式，即使它们被(另一种气味)部分遮挡，它也能识别出特定的模式。”
为了“训练”算法识别这些模式，Murthy和他的同事们通过数千次实验对老鼠的大脑进行成像，收集了与各种气味相关的神经激活模式的数据。然后，研究小组用80%的数据训练系统识别特定气味的激活模式，即使这些模式被其他气味的混合物掩盖。
默西解释说:“电脑会观察图案，随机选择像素，然后把它们加起来。”“如果达到一定水平，就说明目标已经达到。不过，从一开始，它几乎肯定会犯错误。然后有一个拟合的过程，在这个过程中，我们获取计算机给出的响应和实际的响应，然后用正确的答案训练它。”
Murthy说，经过数千次实验，该算法最终变得和老鼠一样善于识别混合气味中是否存在某种特定气味，这表明老鼠可能正在使用类似的算法。
一旦他们证明该算法可以识别目标气味，Murthy和他的同事就开始欺骗它，不是通过让气味混合物变得更复杂，而是让它们变得不那么复杂。研究人员不是用各种气味的混合物来训练计算机，而是专门用不同的气味来训练计算机，之后才把它暴露在混合物中。穆尔西说，结果是灾难性的。虽然该算法可以很容易地识别单一气味，但随着混合气味变得更加复杂，它很快就会分解。
当默蒂和同事用老鼠做同样的实验时，他们发现了同样的结果。
“这是一个惊喜，”默西说。“我们认为正在发生的是，如果算法和鼠标都为如何分类事物建立了界限，当世界变得越来越简单，随着世界变得越来越复杂，这就不再是正确的界限。”
除了阐明老鼠如何辨别个人气味，该研究还指出，计算机学习算法可能是研究嗅觉的强大工具，也是一种在真实世界中进行实验之前，在虚拟空间中设计和进行实验的方法。
“展望未来，我们对此感到兴奋，因为我们想为老鼠和人类设计实验，测试新的问题，例如，什么样的气味体验最能提高嗅觉检测技能，监督学习是提高嗅觉的必要条件吗?””他说。“我们工作中使用的计算机算法可以为测试生成强有力的假设。”