پژوهشگران با توسعه سامانهای به نام Scentronic، گامی تازه در مسیر انتقال بو میان افراد از راه دور برداشتهاند. این فناوری با کمک هوش مصنوعی، رایحهها را شناسایی میکند و اطلاعات آنها را از طریق اینترنت به دستگاهی پوشیدنی میفرستد تا بوی مشابهی را در محل گیرنده بازسازی کند. سامانه فعلی تنها پنج رایحه آشنا را تشخیص میدهد، اما میتواند زمینهساز کاربردهای تازهای در واقعیت مجازی، خرید اینترنتی و پژوهشهای پزشکی شود.

ارتباطات دیجیتال در چند دهه گذشته توانستهاند بخش بزرگی از تجربه انسانی را به محیط مجازی منتقل کنند. امروزه ارسال تصویر، پخش صدا و حتی شبیهسازی حس لامسه در برخی تجهیزات امکانپذیر است؛ اما حس بویایی همچنان یکی از دشوارترین حواس برای بازآفرینی دیجیتال محسوب میشود.
اکنون گروهی از پژوهشگران دانشگاه ایالتی اوهایو در آمریکا و آزمایشگاه ژجیانگ چین، سامانهای توسعه دادهاند که میتواند اطلاعات مربوط به یک رایحه را شناسایی کند، از طریق اینترنت انتقال دهد و در نقطهای دیگر به بازتولید تقریبی آن کمک کند.
این فناوری که Scentronic نام دارد، در پژوهشی منتشرشده در مجله علمی Science Advances معرفی شده است. هدف آن انتقال مستقیم مولکولهای بو از طریق اینترنت نیست؛ بلکه سامانه، رایحه را طبقهبندی میکند و به دستگاه گیرنده فرمان میدهد تا از مواد معطر موجود در مخزن خود، بویی متناظر با نمونه اصلی تولید کند.
انتقال بو با ارسال تصویر یا صدا تفاوت اساسی دارد. برای نمایش یک تصویر، میتوان اطلاعات مربوط به پیکسلها را ثبت و در دستگاه دیگری بازسازی کرد. صدا نیز با ثبت و انتقال سیگنالهای صوتی قابل بازتولید است.
اما بو حاصل ترکیب مولکولهای شیمیایی فراری است که پس از ورود به بینی، گیرندههای بویایی را تحریک میکنند. رایحه قهوه، برای مثال، ممکن است از ترکیبات شیمیایی متعددی تشکیل شده باشد که نسبت و غلظت آنها بر تجربه نهایی تأثیر میگذارد.
به همین دلیل، ثبت یک بو و بازسازی دقیق آن بسیار پیچیدهتر از انتقال یک تصویر یا فایل صوتی است.
Scentronic این مسئله را با تقسیم فرایند به سه مرحله حل میکند: تشخیص رایحه، انتقال اطلاعات دیجیتال و تولید مجدد بو در مقصد.
در مرحله نخست، دستگاهی موسوم به «بینی الکترونیکی» با استفاده از حسگرهای گازی، ترکیبات موجود در هوای اطراف را بررسی میکند. سپس یک مدل یادگیری ماشین، الگوی سیگنالهای حسگرها را تحلیل و رایحه را در یکی از گروههایی که برای شناسایی آنها آموزش دیده است، طبقهبندی میکند.
اطلاعات حاصل از این طبقهبندی از طریق یک بستر ارتباطی آنلاین به دستگاه گیرنده فرستاده میشود. گیرنده نیز با فعالکردن سازوکار تولید مه، رایحه متناظر را در نزدیکی کاربر آزاد میکند.
نکته مهم این است که آنچه از طریق اینترنت انتقال مییابد، اطلاعات دیجیتال درباره رایحه است، نه خود مولکولهای بو.
یکی از ویژگیهای Scentronic، طراحی گیرنده در قالبهای کوچک و قابلحمل است. پژوهشگران نمونههایی از این فناوری را به شکل دستبند، گردنآویز و دستگاه دستی توسعه دادهاند.
در مدل دستبندی، دو کانال تولید بو در ساختاری نسبتاً کوچک قرار گرفتهاند. نسخه گردنآویز پنج کانال رایحه دارد که در امتداد یکدیگر قرار میگیرند و به کاربر امکان میدهند بو را در نزدیکی بینی استشمام کند. نمونه دستی نیز برای آزمایشهای پژوهشی و استفادههای دیگر طراحی شده است.
این دستگاهها از مایعات معطر ذخیرهشده در مخازن داخلی استفاده میکنند. یک سازوکار پیزوالکتریک با ایجاد ارتعاشات سریع، مایع را به ذرات بسیار ریز تبدیل میکند تا به شکل مه در هوا منتشر شود.
با کنترل نحوه عملکرد این سازوکار میتوان شدت انتشار رایحه را تغییر داد. به این ترتیب، گیرنده میتواند متناسب با فرمان دریافتی، بوی مشخصی را با شدت تنظیمشده آزاد کند.
البته این روش به مواد معطر موجود در دستگاه وابسته است. اگر رایحهای در مجموعه مواد ذخیرهشده وجود نداشته باشد، دستگاه فعلی نمیتواند صرفاً با دریافت یک دستور دیجیتال آن را از هیچ تولید کند.
پژوهشگران برای آموزش و ارزیابی سامانه، پنج رایحه روزمره را انتخاب کردند:
قهوه
آبجو
شراب قرمز
کیک
پرتقال
این رایحهها به دلیل آشنابودن برای افراد و تفاوت نسبی ویژگیهای بویایی آنها انتخاب شدند. مدل هوش مصنوعی با استفاده از دادههای حاصل از حسگرهای گازی آموزش دید تا الگوهای مرتبط با این گروهها را شناسایی کند.
در آزمایشها، سامانه توانست اطلاعات مربوط به رایحه را به دستگاه گیرنده منتقل کند و آن دستگاه نیز بوی متناظر را تولید کند. در ادامه، پژوهشگران از ۱۴ داوطلب سالم خواستند بوهای تولیدشده را تشخیص دهند.
شرکتکنندگان در حدود ۷۳ درصد موارد، رایحههای منفرد را بهدرستی شناسایی کردند. هنگامی که دو رایحه با هم ارائه شدند، دقت تشخیص به حدود ۷۱ درصد رسید.
این نتایج نشان میدهند که سامانه میتواند در شرایط آزمایشگاهی، رایحههای محدودی را به شکلی قابل تشخیص بازسازی کند. بااینحال، آزمایش روی ۱۴ نفر و پنج رایحه برای نتیجهگیری درباره عملکرد فناوری در جمعیت گسترده یا محیطهای واقعی کافی نیست.
همچنین، تشخیص درست یک گروه بویایی با بازسازی دقیق ترکیب شیمیایی رایحه اصلی تفاوت دارد. ممکن است گیرنده بوی قهوه را تولید کند، اما رایحه حاصل لزوماً با بوی همان نوع قهوهای که در مبدأ بررسی شده است، یکسان نباشد.
یکی از معیارهای مهم در چنین فناوریهایی، فاصله زمانی میان تشخیص رایحه و واکنش سامانه است.
بر اساس گزارش پژوهش، سامانه میتواند در حدود ۰٫۶ ثانیه به سیگنالهای حسگر بو پاسخ دهد. بااینحال، این عدد به معنای آن نیست که تشخیص و بازسازی هر رایحه پیچیدهای در کمتر از یک ثانیه تکمیل میشود.
طبقهبندی برخی بوهای پیچیدهتر، بهویژه رایحههای غذایی، ممکن است چند ثانیه تا دهها ثانیه طول بکشد. بنابراین باید میان زمان واکنش اولیه حسگر و زمان لازم برای تحلیل یک نمونه پیچیده تفاوت قائل شد.
این موضوع برای کاربردهای تعاملی اهمیت دارد. در یک تجربه واقعیت مجازی، تأخیر زیاد میان مشاهده یک رویداد و دریافت رایحه متناظر میتواند از حس حضور کاربر بکاهد. در نتیجه، بهبود سرعت تشخیص و تولید بو یکی از زمینههای مهم توسعه آینده این فناوری خواهد بود.
پژوهشگران تنها به انتقال رایحه بسنده نکردهاند و نمونهای آزمایشی از یک فنجان هوشمند نیز ساختهاند که میتواند مایعات طعمدار و رایحههای متناظر را آزاد کند.
این نمونه برای کار در کنار هدست واقعیت ترکیبی طراحی شده است. کاربر میتواند یک نوشیدنی مجازی را انتخاب کند و دستگاه، متناسب با انتخاب او، مایع طعمدار و رایحه مربوط را در دنیای واقعی ارائه دهد.
چنین رویکردی میتواند در آینده تجربههای چندحسی را در محیطهای مجازی گسترش دهد. برای مثال، فردی که در یک محیط مجازی نوشیدنیای را انتخاب میکند، ممکن است علاوه بر مشاهده تصویر آن، رایحه و بخشی از تجربه چشایی مرتبط با آن را نیز دریافت کند.
بااینحال، این نمونه اولیه را نباید با شبیهسازی کامل طعم یک نوشیدنی اشتباه گرفت. تجربه طعم از تعامل حس چشایی، بویایی، بافت و سایر عوامل حسی شکل میگیرد. افزودن رایحه و مایع طعمدار میتواند بخشی از این تجربه را بازسازی کند، اما لزوماً جایگزین نوشیدن واقعی محصول نمیشود.
اگر این فناوری توسعه پیدا کند، میتواند کاربردهایی فراتر از سرگرمی داشته باشد.
یکی از کاربردهای قابل تصور، امکان تجربه رایحه محصولات پیش از خرید اینترنتی است. برای مثال، مشتری میتواند با استفاده از یک گیرنده سازگار، بوی یکی از عطرهای موجود در فهرست فروشگاه را بررسی کند.
بااینحال، تحقق چنین قابلیتی به توسعه کتابخانهای گسترده از رایحهها، بازسازی دقیقتر بوها و ایجاد دستگاههایی کمهزینه و قابلاستفاده برای مصرفکنندگان وابسته است.
در آینده، فناوریهای انتقال بو ممکن است به ارتباطات دیجیتال ابعاد تازهای اضافه کنند. برای نمونه، کاربران میتوانند رایحه محیط اطراف خود یا بوی یک نوشیدنی را با افراد دیگر به اشتراک بگذارند.
البته این سناریو هنوز در مرحله ایده و پژوهش قرار دارد. سامانه فعلی تنها گروه کوچکی از رایحههای ازپیشتعریفشده را تشخیص میدهد و نمیتواند هر بویی را ثبت و بازسازی کند.
ترکیب بو با تصویر و صدا میتواند تجربه محیطهای شبیهسازیشده را غنیتر کند. در آموزش، برای مثال، شبیهسازی برخی محیطهای آزمایشگاهی یا صنعتی ممکن است با افزودن نشانههای بویایی واقعگرایانهتر شود.
در چنین کاربردهایی، کنترل دقیق شدت رایحه و جلوگیری از انتشار ناخواسته مواد معطر اهمیت زیادی خواهد داشت.
پژوهشگران همچنین به ظرفیت این فناوری برای ارزیابی حس بویایی اشاره کردهاند. با تنظیم نوع و شدت محرکهای بویایی، ممکن است بتوان آزمونهای کنترلشدهتری برای بررسی عملکرد حس بویایی طراحی کرد.
چنین رویکردی میتواند در مطالعات مربوط به کاهش یا از دست رفتن حس بویایی مفید باشد؛ هرچند استفاده بالینی از آن به اعتبارسنجی بیشتر، استانداردسازی محرکها و آزمایشهای پزشکی گستردهتر نیاز دارد.
با وجود نتایج اولیه امیدوارکننده، Scentronic هنوز با چند چالش مهم روبهرو است.
نخست آنکه تعداد رایحههای قابل شناسایی محدود است. مدل هوش مصنوعی برای تشخیص گروههای مشخصی از بوها آموزش دیده و عملکرد آن در برابر رایحههای ناشناخته یا ترکیبات پیچیده هنوز باید بررسی شود.
دوم آنکه دستگاه گیرنده از مواد معطر ذخیرهشده استفاده میکند. بنابراین، برخلاف یک دوربین دیجیتال که میتواند طیف گستردهای از تصاویر را ثبت و بازسازی کند، این سامانه فعلی نمیتواند هر رایحهای را صرفاً از روی اطلاعات دریافتی تولید کند.
سوم آنکه محیط واقعی پیچیدهتر از آزمایشگاه است. بوهای مختلف در هوا با یکدیگر ترکیب میشوند و غلظت آنها با جریان هوا، فاصله و شرایط محیط تغییر میکند. چنین عواملی ممکن است شناسایی دقیق رایحه در شرایط روزمره را دشوار کنند.
در کنار این محدودیتها، اندازه دستگاهها، عمر مواد معطر، امکان شارژ مجدد مخازن، هزینه ساخت و ایمنی استفاده طولانیمدت نیز از موضوعاتی هستند که پیش از عرضه تجاری باید بررسی شوند.
Scentronic نشان میدهد که انتقال دیجیتال اطلاعات بویایی دیگر صرفاً ایدهای علمیتخیلی نیست. ترکیب حسگرهای شیمیایی، یادگیری ماشین و دستگاههای کوچک تولید رایحه، امکان ایجاد سامانهای را فراهم کرده است که میتواند بوهای مشخصی را در یک مکان شناسایی و در مکانی دیگر بهصورت تقریبی بازتولید کند.
بااینحال، هنوز فاصله زیادی میان این نمونه پژوهشی و سامانهای وجود دارد که بتواند هر رایحهای را مانند یک فایل عکس یا صدا ثبت، ذخیره و بازسازی کند.
برای رسیدن به چنین هدفی، پژوهشگران باید روشهای دقیقتری برای شناسایی ترکیبهای بویایی، مدیریت رایحههای مخلوط و بازتولید طیف گستردهای از بوها توسعه دهند. کوچکسازی دستگاهها و کاهش هزینه نیز برای استفاده عمومی ضروری خواهد بود.
اهمیت Scentronic در این مرحله، بیشتر اثبات امکان برقراری ارتباط دیجیتال مبتنی بر حس بویایی است تا ارائه محصولی آماده برای بازار. این پژوهش یک چارچوب اولیه فراهم میکند که میتواند در آینده به گسترش ارتباطات چندحسی کمک کند؛ اما تحقق تجربهای که در آن بتوان بوی هر غذا، عطر یا محیطی را از طریق اینترنت دریافت کرد، به پیشرفتهای فنی بیشتری نیاز دارد.