AI가 냄새를 구별하려면 어떤 데이터가 필요할까

냄새를 설명하는 것과 감지하는 것

AI는 꽃향기나 커피 향을 글로 설명할 수 있어요. 하지만 그 설명만으로 지금 방 안에 무슨 냄새가 나는지 감지할 수는 없어요. 실제 공기 속 물질을 측정하는 센서와 그 신호를 해석하는 기술이 필요해요. 최근 Noema 매거진에서 읽은 기사가 이 차이를 다루고 있었어요.

기계가 냄새를 감지하고 해석하는 연구는 어디까지 왔을까요?

기계 후각¹ 연구는 이미 존재하지만, 언어·시각 연구에 비하면 규모가 작아요. Kordel K. France 연구진이 arXiv와 Semantic Scholar에서 2015년 1월부터 2025년 5월까지의 논문을 집계한 결과, 기계 후각 논문은 컴퓨터 비전·자연어 처리 논문량의 1%에도 못 미쳤어요. 검색 범위와 분류 방식에 따른 수치이지만, 연구 규모의 차이를 보여 줘요.

제가 눈여겨본 것은 연구가 적은 이유였어요. 센서가 작고 정확해지는 것만으로는 충분하지 않더라고요. 서로 다른 센서의 측정값을 비교하고, 같은 냄새를 어떤 이름과 기준으로 기록할지도 정해야 해요.

무엇을 할 수 있다는 말인지 구분하기

“냄새 맡는 AI”라는 표현은 서로 다른 기술을 가리킬 수 있어요. 화학 구조로 향을 예측하는 모델, 센서 신호로 특정 가스를 구분하는 장치, 냄새에 관한 문장을 생성하는 모델은 하는 일이 달라요. Noema가 지적한 BBC Future의 맛·색깔 연상 사례도, 언어 모델의 답을 감각기관의 측정과 혼동해서는 안 된다는 이야기로 읽혔어요.

로봇이 주변 환경을 파악하고 행동을 계획하는 월드 모델² 연구에서는 이런 구분이 더 중요해져요. 화면에 보이지 않는 누출이나 부패를 화학 신호로 감지할 수 있다면 로봇이 참고할 정보가 늘어나니까요. 다만 모든 AI에 후각이 필수라고 결론 내릴 수는 없어요. 필요한 감각은 맡길 작업에 따라 달라요.