Skickliga parfymörer för samman konst och vetenskap för att designa nya dofter, en talang som tar tio år eller mer att utveckla. Att skapa en doft som lämnar intryck är en av de viktigaste komponenterna en konsument tänker på när de bildar en positiv eller negativ uppfattning om vardagsprodukter som tvättmedel, deodorant, luftfräschare och, självklart, Köln och parfym. Tänk om artificiell intelligens (AI) kunde lära sig av dessa proffs för att förstärka processen med att utveckla nya dofter eller identifiera helt nya kreativa vägar? Med detta i åtanke, mitt team på IBM Research, tillsammans med Symrise, en av de främsta globala tillverkarna av smaker och dofter, skapat ett AI-system som kan lära sig om formler, råmaterial, historisk framgångsdata och branschtrender.

Bygger på tidigare IBM-forskning med hjälp av AI för att para ihop smaker och för att skapa recept, samt vår nya IBM Research AI för produktsammansättning, vi skapade Philyra. Det är ett system som använder nya och avancerade maskininlärningsalgoritmer för att sålla igenom hundratusentals formler och tusentals råmaterial, hjälpa till att identifiera mönster och nya kombinationer. Philyra gör mer än att ge inspiration – den kan designa helt nya doftformler genom att utforska hela landskapet av doftkombinationer för att upptäcka vitrymden på den globala doftmarknaden.

Vårt arbete med Symrise spänner över tre av deras affärsenheter inom Fragrance Division:Fine Fragrance, Hemvård och skönhetsvård, men vår första forskning och framgång började med fina dofter och parfymer. Att skapa en fin doft är en konst såväl som en vetenskap som kräver precision, eftersom även den minsta förändring i mängden av ett material kan göra eller bryta en ny parfym. Som ett resultat, vårt team tog ett datadrivet tillvägagångssätt, förlitar sig på data om hundratusentals doftformler, doftfamiljer (t.ex. fruktiga eller blommiga), en dofts råvaror och historisk information som fångar framgången med tidigare designade parfymer och formler, bland andra datapunkter. Med denna mängd data, Philyra använder maskininlärning för att skapa nya kombinationer av doftformuleringar som passar de specifika designmålen – till exempel, skapar en unik doft för brasilianska millennials.

Upptäck nya ingredienskombinationer med maskininlärning

Vårt system innehåller algoritmer som lär sig och förutsäger:

• alternativa råmaterialkomplement och substitut som kan användas i en formel;
• lämplig dosering för ett råmaterial baserat på användningsmönster;
• det mänskliga svaret (trevlighet och könsmässighet); och
• doftens nyhet genom att jämföra den med en stor uppsättning kommersiellt tillgängliga dofter.

När det kommer till ny parfymdesign, nyhet är en viktig drivkraft, och Philyra lär sig en distansmodell för att identifiera dofter som är nära befintliga dofter. Ju större avståndet är mellan en doft och dess grannar, desto mer ny förutspås parfymen vara.

Symrise använde Philyra för att designa två parfymer, planerad att lanseras i mitten av 2019, för O Boticário, ett av de främsta globala skönhetsföretagen. Som en del av utvecklingsprocessen människa-maskin, de första formlerna som systemet föreslog justerades av en mästare parfymör för att framhäva en viss ton och förbättra hur länge den höll på huden. Philyras förståelse för konsumenternas preferenser gjorde det möjligt för Symrises parfymörer att fokusera på att fullända de slutliga parfymerna snarare än att lägga tid på att leta efter nya doftkombinationer. Som en innovatör tillät detta samarbete med IBM Research och Symrise O Boticario att utnyttja AI för att skapa en produkt anpassad för en specifik konsumentdemografi och personlighet.

Symrises långsiktiga mål är att introducera denna teknologi till sina mästerparfymörer runt om i världen och fortsätta använda lösningen för design av dofter för personlig vård och hemvårdsprodukter. Symrise planerar också att introducera Philyra i sin parfymskola för att hjälpa till att utbilda nästa generation av parfymörer, att sätta in AI i hjärtat av sin organisation.

Grundad i maskininlärning, IBM Research AI for Product Composition kan också generaliseras till andra typer av applikationer som att designa smaker, kosmetika och konsumentprodukter som schampo eller tvättmedel, såväl som industriprodukter som lim, smörjmedel eller byggmaterial. Även om detta fortfarande är forskning idag, Tekniken har potential att göras tillgänglig som en tjänst för att hjälpa hur många företag som helst att accelerera och skala sin kreativa designprocess.

Vår forskning fortsätter att tänja på gränserna för att utöka mänsklig expertis med hjälp av AI och visa hur AI kan hjälpa till i domäner där kreativitet är nyckeln. När det gäller dofter, konsten och vetenskapen att designa en vinnande parfym är något som människor har utforskat i hundratals år. Nu, parfymörer kan ha en AI-lärling vid sin sida som kan analysera tusentals formler och historiska data för att identifiera mönster och förutsäga nya kombinationer, hjälpa till att göra dem mer produktiva, och påskynda designprocessen genom att vägleda dem mot formler som aldrig tidigare setts.

Den här historien återpubliceras med tillstånd av IBM Research. Läs originalberättelsen här.