في مكان ما في مختبر لا يشبه استوديو عطور، لا يوجد جهاز يحتوي على مئات الزجاجات البنية، ولا شرائط اختبار متناثرة على المكتب كطاووس ورقي، ولا مئزر جلدي ملطخ معلق على خطاف خلف الباب، آلة تقوم بتأليف عطر. هذه الآلة لا تشم شيئًا. ليس لديها أنف. ليس لديها رأي حول ما إذا كان الفيتيفر يتماشى جيدًا مع الجريب فروت، ولا غريزة حول ما إذا كانت التركيبة تحتاج إلى مزيد من الانتعاش في القمة أو مزيد من الدفء في القاعدة. لديها بيانات. لديها حوالي أربعمائة ألف تركيبة من القرن الماضي، رقمية وموسومة بنتائج لجان المستهلكين، وأرقام المبيعات، والتفضيلات الإقليمية، والموصوفات الجزيئية. لديها خوارزمية مدربة على تحديد الارتباطات الإحصائية بين تركيبات المكونات المحددة ونتائج المستهلكين المحددة، مثل نية الشراء، والجودة المدركة، والارتباط العاطفي، واحتمالية إعادة الشراء. وطُلب منها إنتاج تركيبة ستكون، وفقًا لكل معيار قابل للقياس، مثالية.
قراءة لمدة 11 دقيقة
ستنجح. التركيبة التي تنتجها ستحصل على تقييم جيد في لجان المستهلكين. ستختبر إيجابيًا عبر عدة فئات ديموغرافية. لن تسيء إلى أحد. لن تربك أحدًا. ستشغل منطقة مريحة ومأهولة جيدًا في الفضاء العطري، النوع الذي تسميه الصناعة "النقطة التجارية المثلى" والذي يسميه أي شخص لديه أنف يعمل "مألوف". ستبدو، في حكم معظم الناس الذين يواجهونها، جيدة تمامًا.
السؤال هو ما إذا كانت "جيدة تمامًا" هي العطور.
التعلم الآلي على نطاق صناعي في العطور
تطبيق التعلم الآلي على تطوير العطور ليس تخمينًا. إنه يحدث الآن، على نطاق صناعي، في أقسام البحث في أكبر شركات العطور والنكهات في العالم. تختلف التكنولوجيا في التعقيد، فبعض الأنظمة هي نماذج تنبؤية بسيطة نسبيًا تقترح استبدالات للمكونات بناءً على التكلفة والتوافر؛ وأخرى هي شبكات عصبية عميقة مدربة على عقود من بيانات التركيبات الخاصة، لكن المنطق الأساسي هو نفسه في جميع الحالات. تغذية الآلة بمجموعة كبيرة من التركيبات الموجودة مقترنة ببيانات استجابة المستهلكين. دع الآلة تتعلم العلاقات الإحصائية بين التركيب الجزيئي وتفضيل الإنسان. ثم اطلب من الآلة توليد تركيبات جديدة تزيد من احتمال تحقيق نتيجة مستهلك مرغوبة.
هذا، في جوهره، تحليل الانحدار المطبق على العطور. إنه ليس، بأي معنى ذي مغزى، إبداعًا.
التمييز مهم، والدقة في السبب ضرورية. تحليل الانحدار، التقنية الرياضية في قلب معظم التعلم الآلي، يجد خط الانحدار الأفضل عبر سحابة من نقاط البيانات. يحدد الاتجاه المركزي. يخبرك أين المتوسط. هذا مفيد للغاية للعديد من التطبيقات. إذا كنت تريد التنبؤ بأسعار المنازل، أو سلوك المستهلك، أو مسارات الأمراض، أو نتائج الانتخابات، فإن معرفة مكان المتوسط يخبرك بالكثير. لكن العطور ليست مشكلة تنبؤية. إنها، أو على الأقل كانت تاريخيًا، مشكلة إبداعية. والمشاكل الإبداعية لا تُحل بإيجاد المركز. تُحل بإيجاد الحافة.
كل عطر غيّر الصناعة حقًا، كل تركيبة، التي في النظر إلى الوراء، عرّفت عصرًا أو فتحت فئة جديدة، فعلت ذلك بالانحراف عن إجماع زمنها. أول فوجير حديث لم يكن ما توقعه أحد لعطر رجالي في عام 1882. أول زهرة ألدهايد عظيمة لم تكن ما توقعه أحد لعطر نسائي في عشرينيات القرن العشرين. أول عطر رجالي منعش يحتوي على ديهيدرو ميرسينول وهدين لم يكن ما توقعه أحد من عطر رجالي في الثمانينيات. أول جزيء مسك نظيف لم يكن ما توقعه أحد من أي عطر في أوائل الألفينات. في كل حالة، نجحت التركيبة ليس لأنها طابقت التفضيلات القائمة، بل لأنها خلقت تفضيلات جديدة. لم تجد المركز. بل حركت المركز.
الخوارزمية المدربة على البيانات التاريخية لا يمكنها، بحكم البناء، تحريك المركز. يمكنها فقط إيجاده. يمكنها إيجاده بدقة جراحية، ويمكنها توليد تركيبات تشغل النقطة المثلى بكفاءة لا يمكن لأي عطار بشري مضاهاتها. لكن احتلال النقطة المثلى ليس ابتكارًا. إنه تحسين. وتاريخ العطور يشير إلى أن التحسين والابتكار ليسا الشيء نفسه، وقد يكونان في الواقع متعارضين.
العطارون البشر كشبكات عصبية بيولوجية
حجة مضادة، وتستحق اعتبارًا جادًا. الحجة المضادة تقول: العطارون البشر هم أيضًا، بمعنى ما، خوارزميات. هم شبكات عصبية بيولوجية مدربة على مجموعة من البيانات الشمية، كل ما شمّوه، كل تركيبة درسّوها، كل استجابة مستهلك لاحظوها خلال مسيرتهم المهنية. عمليتهم الإبداعية ليست، كما يتخيل الرومانسيون، وميض إلهام ينزل من الملهِمة. إنها تعرف أنماط، وإعادة تركيب، وتنقيح تكراري. يجلس العطار على الآلة، يختار المواد بناءً على الخبرة والحدس، يمزج تركيبة تجريبية، يقيمها، يعدل، يقيم مرة أخرى. العملية تجريبية، ليست غامضة. إذا كانت آلة يمكنها أداء نفس العمليات بشكل أسرع وأكثر نظامية، فما الذي يُفقد بالضبط؟
ما يُفقد هو الخطأ.
هذا يبدو متناقضًا، لذا سأكون محددًا. العطارون البشر يرتكبون أخطاء. يفرطون في جرعة مكون ويكتشفون أن الجرعة الزائدة تخلق تأثيرًا لم يقصدوه ولم يكن بإمكانهم التنبؤ به. يلوثون دفعة تجريبية عن طريق الخطأ ويجدون أن الملوث يضيف شيئًا مثيرًا للاهتمام. تاريخ الاختراقات الصناعية في العطور مليء بهذه التصادمات السعيدة. يخطئون في قراءة ملاحظاتهم ويجمعون مواد لم يقصدوا جمعها، والنتيجة أفضل مما خططوا له. تاريخ العطور مليء بهذه الحوادث، تركيبات تعود شخصيتها ليس إلى تصميم متعمد بل إلى تصادم غير مخطط للمواد كان من الممكن أن تمنعه عملية أكثر حذرًا.
الخوارزمية لا ترتكب هذه الأخطاء. الخوارزمية تفعل بالضبط ما يُطلب منها. تحسن دالة الهدف. تتبع التدرج. لا تتجول في أراضٍ غير معروفة عن طريق الخطأ، لأنها لا تتجول على الإطلاق. تتحرك، بدقة رياضية، نحو الأمثل. والأمثل، كما تحدده بيانات لجان المستهلكين، هو دائمًا المركز. المتوسط. الإجماع.
الإمكانات الإبداعية للخطأ ليست فكرة رومانسية. إنها ظاهرة موثقة جيدًا في كل مجال إبداعي. العالم البيولوجي الذي اكتشف البنسلين بسبب طبق بتري ملوث. الفيزيائي الذي اكتشف إشعاع الخلفية الكونية الميكروويفي بسبب ضوضاء غير مفسرة في هوائي. الموسيقي الذي اكتشف لغة هارمونية جديدة لأن وترًا انكسر أثناء الأداء وأجبر على الارتجال. هذه ليست قصصًا ملفقة تُروى لتواسي المعرضين للحوادث. إنها حالات موثقة لمبدأ عام: الاختراقات الإبداعية غالبًا ما تنشأ من الانحرافات عن الخطة، والأنظمة المصممة لإلغاء الانحراف ستلغي، بحكم البناء، أيضًا إمكانية الاختراق.
بيانات لجان المستهلكين وطبيعة التفضيل
اعتراض ثاني، أكثر فلسفية على العطور الحاسوبية، وله علاقة بطبيعة التفضيل نفسه.
بيانات لجان المستهلكين، التي تُدرّب عليها هذه الخوارزميات، تقيس التفضيل المصرح به. تسجل ما يقوله الناس إنهم يحبونه عند السؤال. لكن التفضيل المصرح به والتفضيل الفعلي ليسا الشيء نفسه. التفضيل المصرح به محافظ. عند سؤال الناس للاختيار بين المألوف وغير المألوف، يختار معظم الناس، في معظم السياقات، المألوف. هذا ليس غباء. إنه تحيز معرفي موثق جيدًا، تأثير التعرض البسيط، الذي وصفه أول مرة عالم النفس روبرت زايونس في ورقة بارزة عام 1968 في مجلة الشخصية وعلم النفس الاجتماعي، ويعمل بقوة في التقييم الشمي، حيث يجعل غياب مفردات مشتركة من الصعب جدًا على المستهلكين التعبير عن سبب إعجابهم أو عدم إعجابهم بشيء ما. عند مواجهة عطر جديد حقًا، لا يتطابق مع أي فئة موجودة، يربك ويثير الفضول على حد سواء، غالبًا ما تعطي لجنة المستهلكين تقييمًا منخفضًا. ليس لأن العطر سيء، بل لأن اللجنة تفتقر إلى الإطار لتقييمه.
الخوارزمية المدربة على بيانات لجان المستهلكين ترث هذا التحفظ. تتعلم أن الجدة مخاطرة وأن المألوف آمن. تتعلم أن العطور التي يقيمها الناس بأعلى الدرجات هي تلك التي تشبه إلى حد بعيد العطور التي قيموها عاليًا من قبل. تتعلم، باختصار، الدرس الأساسي لأبحاث المستهلك: الناس يحبون ما يحبونه بالفعل. وتحسن وفقًا لذلك.
النتيجة هي آلة بارعة للغاية في إنتاج ما تسميه الصناعة "رهانات آمنة"، عطور لن تفشل، ستحقق حدًا أدنى من الجدوى التجارية، لن تفاجئ أو تزعج أو تتحدى أي شخص يشمها. هذه العطور ستباع. بعضها سيباع جيدًا جدًا. لكنها لن تغير الصناعة، لأن تغيير الصناعة يتطلب إنتاج شيء لا تعرف لجان المستهلكين كيف تقيمه. التركيبات التي غيرت العطور كانت كلها، في لحظة إنشائها، مفاجآت. كانت أشياء لم يطلبها أحد، أشياء لم تحقق نتائج جيدة في الاختبارات الأولية، أشياء نجحت ليس لأن البيانات قالت إنها ستنجح، بل لأن شخصًا واحدًا، عطار، مدير إبداعي، رائد أعمال، آمن بها رغم البيانات.
الخوارزمية لا يمكنها الإيمان بأي شيء رغم البيانات. الإيمان رغم البيانات هو الشيء الوحيد الذي لا تستطيع الخوارزمية القيام به. الخوارزمية تتبع البيانات. هذه هي ميزتها وقيودها. وفي مجال حيث أهم القرارات هي التي تتناقض مع البيانات، حيث تاريخ التقدم الإبداعي كله هو تاريخ تجاهل الإجماع وإثبات صحة المخالفين، هذا القيد ليس بسيطًا. إنه جوهري.
مكان الذكاء الاصطناعي وأين لا ينتمي
دعني أوضح ما لا أجادل فيه. لا أجادل بأن الذكاء الاصطناعي لا دور له في العطور. له تطبيقات واضحة وقيمة. يمكنه تسريع عملية إعادة الصياغة عندما يفرض تغيير تنظيمي إزالة مكون مقيد. يمكنه اقتراح بدائل فعالة من حيث التكلفة تحافظ على شخصية التركيبة مع تقليل السعر. يمكنه تحليل مجموعات كبيرة من تعليقات المستهلكين وتحديد الاتجاهات التي قد يغفل عنها محلل بشري. يمكنه رسم الفضاء الواسع متعدد الأبعاد لتركيبات المكونات الممكنة وتسليط الضوء على مناطق لم يستكشفها العطارون البشر بعد، تمامًا كما فك الكروماتوغرافيا الغازية يومًا ما تركيبات كانت محجوبة بسرية تجارية. هذه وظائف مفيدة. توفر الوقت، وتخفض التكلفة، وتوسع أدوات العطار. لا يعترض عليها أحد جاد.
ما أجادل فيه هو أن هذه كلها وظائف تحسين. تجعل العمليات القائمة أكثر كفاءة. لا تخلق. التمييز بين التحسين والإبداع ليس مسألة دلالية. إنه الفرق بين إيجاد أفضل طريق عبر منظر طبيعي معروف واكتشاف أن المنظر الطبيعي يمتد إلى ما وراء حدوده المعروفة. التعلم الآلي يتفوق في الأول. وهو غير قادر هيكليًا على الثاني، لأن الثاني يتطلب، بحكم التعريف، تجاوز البيانات، والتعلم الآلي هو، بحكم التعريف، طريقة لاستخراج الأنماط من البيانات.
حماس صناعة العطور للأدوات الحاسوبية مفهوم. اقتصاديات العطور الحديثة قاسية. تم تقليص متوسط زمن تطوير عطر تجاري من سنوات إلى أشهر. المتطلبات أصبحت أكثر صرامة. الميزانيات أصغر. تكلفة الفشل أعلى. في هذا البيئة، أداة تقلل عدد التكرارات اللازمة للوصول إلى تركيبة مقبولة ذات قيمة كبيرة. لكن "مقبولة" تقوم بالكثير من العمل في هذه الجملة. التركيبة المقبولة هي التي تلبي المتطلبات، وتحصل على تقييم كافٍ في الاختبارات، ولا تتجاوز سقف التكلفة. التركيبة المقبولة ليست تحفة فنية. ليست حتى، في معظم الحالات، مثيرة للاهتمام بشكل خاص. هي كافية. والكفاية، على نطاق صناعي، هي عدو الفن.
التقارب نحو المتوسط الإحصائي
هناك اعتبار أخير، وربما الأكثر إزعاجًا. كلما اعتمد تطوير العطور أكثر على الأدوات الخوارزمية المدربة على بيانات المستهلكين، كلما تقاربت مخرجات الصناعة نحو متوسط إحصائي. كل تركيبة محسنة بالذكاء الاصطناعي جديدة ستشغل، بحكم التصميم، مركز توزيع التفضيلات. مع مرور الوقت، سيتحرك المركز نفسه، لكنه سيتحرك ببطء، لأن مخرجات الخوارزمية تعزز التفضيلات التي تدربت عليها. المستهلكون الذين يتعرضون مرارًا وتكرارًا لعطور محسنة بالذكاء الاصطناعي سيطورون تفضيلات تتشكل بتلك العطور، وهذه التفضيلات بدورها ستصبح بيانات التدريب للجيل التالي من الخوارزميات. النتيجة هي حلقة تغذية راجعة: الآلة تنتج ما يحبه الناس، والناس يتعلمون حب ما تنتجه الآلة، والآلة تنتج المزيد منه.
هذا ليس سيناريو افتراضي. إنه وصف دقيق لما حدث بالفعل في صناعات إبداعية أخرى اعتمدت أنظمة التوصية والتوليد الخوارزمية. منصات بث الموسيقى، التي تحسن خوارزمياتها التفاعل، أنتجت تقاربًا ملحوظًا في خصائص الصوت للموسيقى الشعبية، أصبحت أعلى صوتًا، أقصر، أكثر تكرارًا، مع وصول اللحن الرئيسي مبكرًا وتضييق النطاق الديناميكي. منصات التواصل الاجتماعي، التي تحسن خوارزمياتها الانتباه، أنتجت تقاربًا في الخصائص البصرية للمحتوى الشائع، أكثر تشبعًا، أكثر اقتصاصًا، أكثر تطرفًا عاطفيًا. الخوارزمية لا تسطح المشهد عمدًا. تسطحه كنتيجة جانبية لتحسين المتوسط.
العطور ليست محصنة ضد هذا الديناميكية. إذا أصبح خط تطوير الصناعة يعتمد بشكل متزايد على أدوات الذكاء الاصطناعي التي تحسن الإجماع، فالنتيجة الحتمية هي تضييق المجال الشمي. ليس تضييقًا إلى رائحة واحدة، السوق كبير ومجزأ جدًا لذلك، بل تضييقًا داخل كل فئة. العطور الرجالية المنعشة ستتقارب. العطور النسائية الحلوة ستتقارب. العطور الشرقية العود ستتقارب. كل فئة ستصبح أكثر تجانسًا داخليًا، لأن الخوارزمية التي تصمم كل إدخال جديد تتدرب على نفس البيانات التي أنتجت الإدخالات القائمة. المجال لن ينكمش إلى نقطة. سينكمش إلى عنقود.
ما إذا كان هذا مهمًا يعتمد على ما تعتقد أن العطور من أجله. إذا كانت صناعة، عملًا ينتج سلعًا استهلاكية لتلبية الطلب السوقي، فالتحسين هو الاستراتيجية الصحيحة، والتقارب تكلفة مقبولة. يحصل المستهلكون على ما يريدون. تحقق الشركات أرباحًا. لا أحد يشتكي.
لكن إذا كانت العطور أيضًا فنًا، تخصصًا إبداعيًا هدفه يتجاوز إرضاء التفضيلات القائمة ليكشف عن إمكانيات جديدة للتجربة الشمية، فالتقارب ليس تكلفة. إنه كارثة. لأن الفن، بأي تعريف يستحق الدفاع عنه، يتطلب إمكانية المفاجأة. يتطلب إمكانية أن تكون التركيبة التالية شيئًا لم يشمه أحد من قبل، شيئًا لم تتوقعه أي مجموعة بيانات، شيئًا كانت لجنة المستهلكين سترفضه لأنه لا يناسب أي فئة موجودة.
الخوارزمية لا يمكنها إنتاج ذلك. العطار يمكنه. ليس بشكل موثوق، ليس باستمرار، ليس في الموعد المحدد، ليس ضمن الميزانية. لكن أحيانًا، بشكل غير متوقع، ضد كل منطق تجاري، يجلس إنسان على آلة محاطة بمئات الزجاجات البنية ويجمع المواد بطريقة لم تقترحها أي آلة، والنتيجة ستكون شيئًا جديدًا حقًا. شيئًا يحرك المركز بدلاً من أن يشغله. شيئًا قالت البيانات إنه لا يجب أن ينجح.
تلك اللحظات نادرة. وهي تصبح أكثر ندرة. وإذا لم تكن الصناعة حذرة، ستتوقف عن الحدوث تمامًا، ليس لأن التكنولوجيا تمنعها، بل لأن الاقتصاديات لم تعد تترك مجالًا لها. ستؤلف الآلة. ستحسن الآلة. ستنتج الآلة عطورًا جيدة تمامًا تحصل على تقييم جيد في كل لجنة ولا تسيء إلى أحد.
ما إذا كان ذلك يُعتبر عطورًا هو سؤال لا تملك الآلة القدرة على الإجابة عليه. يجب أن تجيب عليه أنف.
سبعة مستخلصات بتركيز 20%، مجموعة واحدة. مجموعة الاكتشاف تحتوي على السبعة جميعًا بحجم 2 مل.
