Di suatu tempat di laboratorium yang sama sekali tidak menyerupai studio pembuat parfum, tanpa organ yang dipenuhi ratusan botol cokelat, tanpa blotter yang mengembang di atas meja seperti burung merak kertas, tanpa celemek kulit bernoda yang tergantung di kait di balik pintu, sebuah mesin sedang meracik wewangian. Mesin itu tidak mencium apa pun. Ia tidak memiliki hidung. Ia tidak punya pendapat apakah akar wangi cocok dipadukan dengan grapefruit, atau naluri apakah sebuah komposisi membutuhkan lebih banyak daya angkat di top notes atau lebih banyak kehangatan di base notes. Ia memiliki data. Sekitar empat ratus ribu formula dari satu abad terakhir, telah didigitalkan dan diberi tag dengan skor panel konsumen, angka penjualan, preferensi regional, dan deskriptor molekuler. Ia memiliki algoritma yang dilatih untuk mengidentifikasi korelasi statistik antara kombinasi bahan tertentu dan hasil konsumen tertentu: niat membeli, kualitas yang dirasakan, asosiasi emosional, serta kemungkinan membeli kembali. Dan mesin itu telah diminta menghasilkan formula yang, menurut setiap standar yang dapat diukur, akan optimal.
Waktu baca 11 menit
Mesin itu akan berhasil. Formula yang dihasilkannya akan mendapat skor baik dalam panel konsumen. Formula itu akan diuji positif pada berbagai demografi. Ia tidak akan menyinggung siapa pun. Ia tidak akan membingungkan siapa pun. Ia akan menempati wilayah ruang olfaktori yang nyaman dan padat penghuni, jenis wilayah yang disebut industri sebagai "titik manis komersial" dan yang oleh siapa pun dengan hidung yang berfungsi disebut "familiar". Menurut penilaian sebagian besar orang yang menciumnya, aromanya akan sangat baik-baik saja.
Pertanyaannya adalah apakah "sangat baik-baik saja" itu merupakan wewangian.
Pembelajaran mesin dalam skala industri di bidang wewangian
Penerapan pembelajaran mesin dalam pengembangan wewangian bukanlah sesuatu yang spekulatif. Hal itu sedang berlangsung sekarang, dalam skala industri, di divisi penelitian perusahaan wewangian dan perisa terbesar di dunia. Tingkat kecanggihannya beragam: beberapa sistem merupakan model prediktif yang relatif sederhana dan menyarankan penggantian bahan berdasarkan biaya serta ketersediaan; yang lain adalah jaringan saraf dalam yang dilatih menggunakan data formula eksklusif selama puluhan tahun. Namun, logika dasarnya sama dalam semua kasus. Masukkan korpus besar formula yang sudah ada, yang dipasangkan dengan data respons konsumen. Biarkan mesin mempelajari hubungan statistik antara komposisi molekuler dan preferensi manusia. Lalu minta mesin menghasilkan formula baru yang memaksimalkan kemungkinan tercapainya hasil konsumen yang diinginkan.
Pada dasarnya, ini adalah analisis regresi yang diterapkan pada pembuatan parfum. Dalam pengertian apa pun yang bermakna, ini bukanlah kreasi.
Perbedaannya penting, dan kita perlu memahami alasannya secara tepat. Analisis regresi, teknik matematika yang menjadi inti sebagian besar pembelajaran mesin, mencari garis yang paling sesuai melalui kumpulan titik data. Ia mengidentifikasi kecenderungan pusat. Ia memberi tahu Anda di mana letak rata-ratanya. Hal ini sangat berguna untuk banyak penerapan. Jika Anda ingin memprediksi harga rumah, perilaku konsumen, perkembangan penyakit, atau hasil pemilu, mengetahui letak rata-rata memberi Anda banyak informasi. Namun, pembuatan parfum bukanlah masalah prediksi. Setidaknya secara historis, pembuatan parfum adalah masalah kreatif. Dan masalah kreatif tidak diselesaikan dengan menemukan pusat. Masalah kreatif diselesaikan dengan menemukan tepi.
Setiap wewangian yang benar-benar mengubah industri, setiap komposisi yang dalam retrospeksi mendefinisikan suatu era atau membuka kategori baru, melakukannya dengan menyimpang dari konsensus pada zamannya. Fougère modern pertama tidak seperti yang diharapkan siapa pun dari aroma wewangian pria pada 1882. Floral aldehida besar pertama tidak seperti yang diharapkan siapa pun dari aroma wewangian wanita pada 1920-an. Aroma maskulin segar pertama yang memadukan dihydromyrcenol dan hedione tidak seperti yang diharapkan siapa pun dari wewangian pria pada 1980-an. Molekul clean-skin musk pertama tidak seperti yang diharapkan siapa pun dari wewangian mana pun pada awal 2000-an. Dalam setiap kasus, komposisi itu berhasil bukan karena sesuai dengan preferensi yang sudah ada, melainkan karena menciptakan preferensi baru. Komposisi itu tidak menemukan pusat. Komposisi itu menggeser pusat.
Algoritma yang dilatih menggunakan data historis, berdasarkan konstruksinya, tidak dapat menggeser pusat. Algoritma itu hanya dapat menemukannya. Ia dapat menemukannya dengan presisi bedah, dan dapat menghasilkan formula yang menempati titik manis dengan efisiensi yang tidak mampu ditandingi oleh pembuat parfum manusia mana pun. Namun, menempati titik manis bukanlah inovasi. Itu adalah optimasi. Dan sejarah pembuatan parfum menunjukkan bahwa optimasi dan inovasi bukanlah hal yang sama, bahkan mungkin saling bertentangan.
Pembuat parfum manusia sebagai jaringan saraf biologis
Ada sanggahan, dan sanggahan ini layak dipertimbangkan dengan serius. Sanggahan itu kira-kira begini: pembuat parfum manusia juga, dalam arti tertentu, merupakan algoritma. Mereka adalah jaringan saraf biologis yang dilatih menggunakan korpus data olfaktori: segala sesuatu yang pernah mereka cium, setiap formula yang pernah mereka pelajari, setiap respons konsumen yang pernah mereka amati sepanjang karier. Proses kreatif mereka bukan, seperti yang ingin dibayangkan kaum romantis, kilatan inspirasi yang turun dari sang muse. Proses itu adalah pengenalan pola, pengombinasian ulang, dan penyempurnaan berulang. Pembuat parfum duduk di organ, memilih bahan berdasarkan pengalaman dan intuisi, mencampur formula percobaan, mengevaluasinya, menyesuaikannya, lalu mengevaluasinya lagi. Prosesnya empiris, bukan mistis. Jika mesin dapat melakukan operasi yang sama dengan lebih cepat dan lebih sistematis, apa tepatnya yang hilang?
Yang hilang adalah kesalahan.
Ini terdengar paradoks, jadi izinkan saya menjelaskannya secara spesifik. Pembuat parfum manusia melakukan kesalahan. Mereka menambahkan bahan secara berlebihan dan menemukan bahwa dosis berlebih itu menciptakan efek yang tidak mereka maksudkan dan tidak dapat mereka prediksi. Mereka secara tidak sengaja mencemari suatu batch percobaan dan mendapati bahwa kontaminan tersebut menambahkan sesuatu yang menarik. Sejarah terobosan sintetis dalam pembuatan parfum dipenuhi tabrakan kebetulan semacam itu. Mereka salah membaca catatan sendiri dan menggabungkan bahan yang sebenarnya tidak mereka maksudkan untuk digabungkan, lalu hasilnya lebih baik daripada rencana awal. Sejarah pembuatan parfum dipenuhi kecelakaan semacam ini, komposisi yang karakternya tidak berasal dari rancangan yang disengaja, melainkan dari tabrakan bahan yang tidak direncanakan dan mungkin akan dicegah oleh proses yang lebih teliti.
Algoritma tidak melakukan kesalahan-kesalahan ini. Algoritma melakukan persis apa yang diperintahkan. Ia mengoptimalkan fungsi tujuan. Ia mengikuti gradien. Ia tidak secara kebetulan menjelajah ke wilayah yang belum dipetakan, karena ia tidak menjelajah sama sekali. Ia bergerak, dengan presisi matematis, menuju titik optimum. Dan titik optimum, sebagaimana didefinisikan oleh data panel konsumen, selalu merupakan pusat. Rata-rata. Konsensus.
Potensi kreatif dari kesalahan bukanlah gagasan romantis. Ini adalah fenomena yang terdokumentasi dengan baik dalam setiap bidang kreatif. Ahli biologi yang menemukan penisilin karena cawan petri yang terkontaminasi. Fisikawan yang menemukan radiasi latar gelombang mikro kosmis karena derau yang tidak dapat dijelaskan pada antena. Musisi yang menemukan bahasa harmonik baru karena senar putus di tengah pertunjukan dan memaksanya berimprovisasi. Ini bukan cerita apokrif yang diceritakan untuk menghibur orang yang mudah mengalami kecelakaan. Ini adalah contoh terdokumentasi dari suatu prinsip umum: terobosan kreatif sering kali berasal dari penyimpangan terhadap rencana, dan sistem yang dirancang untuk menghilangkan penyimpangan juga, berdasarkan konstruksinya, akan menghilangkan kemungkinan terjadinya terobosan.
Data panel konsumen dan hakikat preferensi
Ada keberatan kedua yang lebih filosofis terhadap pembuatan parfum komputasional, dan keberatan ini berkaitan dengan hakikat preferensi itu sendiri.
Data panel konsumen, data yang digunakan untuk melatih algoritma-algoritma ini, mengukur preferensi yang dinyatakan. Data tersebut mencatat apa yang dikatakan orang mereka sukai ketika ditanya. Namun, preferensi yang dinyatakan dan preferensi yang sebenarnya tidaklah sama. Preferensi yang dinyatakan bersifat konservatif. Ketika diminta memilih antara sesuatu yang familiar dan yang tidak familiar, sebagian besar orang, dalam sebagian besar konteks, memilih yang familiar. Ini bukan kebodohan. Ini adalah bias kognitif yang terdokumentasi dengan baik, yaitu efek paparan belaka, yang pertama kali dijelaskan oleh psikolog Robert Zajonc dalam makalah penting tahun 1968 di Journal of Personality and Social Psychology. Efek ini bekerja sangat kuat dalam evaluasi olfaktori, ketika ketiadaan kosakata bersama membuat konsumen sangat sulit mengartikulasikan alasan mereka menyukai atau tidak menyukai sesuatu. Dihadapkan pada wewangian yang benar-benar baru, yang tidak dapat dipetakan ke kategori mana pun yang sudah ada, yang sama-sama membingungkan dan menggugah rasa ingin tahu, panel konsumen lebih sering daripada tidak akan memberinya skor rendah. Bukan karena wewangian itu buruk, melainkan karena panel tersebut tidak memiliki kerangka untuk mengevaluasinya.
Algoritma yang dilatih menggunakan data panel konsumen mewarisi sikap konservatif ini. Algoritma itu belajar bahwa kebaruan berisiko dan keakraban aman. Algoritma itu belajar bahwa wewangian yang mendapat peringkat tertinggi adalah wewangian yang paling mirip dengan wewangian yang sebelumnya mendapat peringkat tinggi. Singkatnya, algoritma itu mempelajari pelajaran paling mendasar dari riset konsumen: orang menyukai apa yang sudah mereka sukai. Dan algoritma itu mengoptimalkannya.
Hasilnya adalah mesin yang sangat mahir menghasilkan apa yang disebut industri sebagai "taruhan aman", yakni wewangian yang tidak akan gagal, yang akan mencapai tingkat kelayakan komersial minimum, yang tidak akan mengejutkan, mengganggu, atau menantang siapa pun yang menciumnya. Wewangian-wewangian ini akan laku. Beberapa di antaranya bahkan akan terjual sangat baik. Namun, wewangian itu tidak akan mengubah industri, karena mengubah industri membutuhkan sesuatu yang tidak diketahui panel konsumen cara menilainya. Komposisi yang mengubah pembuatan parfum semuanya merupakan kejutan pada saat diciptakan. Komposisi itu adalah sesuatu yang tidak diminta siapa pun, sesuatu yang tidak mendapat skor baik dalam pengujian awal, sesuatu yang berhasil bukan karena data mengatakan bahwa komposisi itu akan berhasil, melainkan karena satu orang, seorang pembuat parfum, direktur kreatif, atau pengusaha, memercayainya meskipun data berkata sebaliknya.
Algoritma tidak dapat memercayai sesuatu meskipun data berkata sebaliknya. Memercayai sesuatu meskipun data berkata sebaliknya adalah satu-satunya hal yang secara hakiki tidak mampu dilakukan algoritma. Algoritma mengikuti data. Itulah keunggulan sekaligus keterbatasannya. Dan dalam bidang ketika keputusan terpenting justru merupakan keputusan yang bertentangan dengan data, ketika seluruh sejarah kemajuan kreatif merupakan sejarah orang-orang yang mengabaikan konsensus dan terbukti benar, keterbatasan ini bukanlah hal kecil. Keterbatasan ini bersifat mendasar.
Di mana AI seharusnya digunakan dan di mana tidak
Perlu saya jelaskan apa yang tidak sedang saya kemukakan. Saya tidak mengatakan bahwa kecerdasan buatan tidak memiliki peran dalam pembuatan parfum. Kecerdasan buatan memiliki penerapan yang jelas dan berharga. Teknologi ini dapat mempercepat proses reformulasi ketika perubahan regulasi memaksa penghapusan bahan yang dibatasi. Teknologi ini dapat menyarankan penggantian bahan yang hemat biaya, yang mempertahankan karakter komposisi sekaligus menurunkan harganya. Teknologi ini dapat menganalisis kumpulan data besar berisi umpan balik konsumen dan mengidentifikasi tren yang mungkin terlewatkan oleh analis manusia. Teknologi ini dapat memetakan ruang multidimensi yang luas dari berbagai kemungkinan kombinasi bahan dan menyoroti wilayah yang belum dijelajahi oleh pembuat parfum manusia, seperti halnya kromatografi gas pernah menguraikan formula yang sebelumnya terlindungi oleh rahasia dagang. Semua ini merupakan fungsi yang berguna. Teknologi ini menghemat waktu, mengurangi biaya, dan memperluas perangkat pembuat parfum. Tidak ada orang serius yang menolaknya.
Yang saya kemukakan adalah bahwa semua itu merupakan fungsi optimasi. Semua itu membuat proses yang sudah ada menjadi lebih efisien. Semua itu tidak menciptakan. Perbedaan antara mengoptimalkan dan menciptakan bukanlah soal semantik. Perbedaannya adalah perbedaan antara menemukan rute terbaik melalui lanskap yang sudah dikenal dan menemukan bahwa lanskap tersebut membentang melampaui batas-batas yang telah diketahui. Pembelajaran mesin unggul dalam hal pertama. Pembelajaran mesin secara struktural tidak mampu melakukan hal kedua, karena hal kedua, berdasarkan definisinya, mengharuskan kita melampaui data, sedangkan pembelajaran mesin, berdasarkan definisinya, merupakan metode untuk mengekstraksi pola dari data.
Antusiasme industri wewangian terhadap perangkat komputasional dapat dipahami. Ekonomi pembuatan parfum modern sangat keras. Rata-rata waktu pengembangan wewangian komersial telah dipersingkat dari bertahun-tahun menjadi berbulan-bulan. Brief semakin ketat. Anggaran semakin kecil. Biaya kegagalan semakin tinggi. Dalam lingkungan seperti ini, alat yang dapat mengurangi jumlah iterasi yang dibutuhkan untuk mencapai formula yang dapat diterima sangatlah berharga. Namun, kata "dapat diterima" memikul banyak beban dalam kalimat tersebut. Formula yang dapat diterima adalah formula yang memenuhi brief, mendapat skor memadai dalam pengujian, dan tidak melampaui batas biaya. Formula yang dapat diterima bukanlah sebuah mahakarya. Dalam kebanyakan kasus, formula itu bahkan tidak terlalu menarik. Formula itu memadai. Dan kecukupan, dalam skala industri, adalah musuh seni.
Konvergensi menuju rata-rata statistik
Ada satu pertimbangan terakhir, dan mungkin inilah yang paling mengkhawatirkan. Semakin pengembangan wewangian bergantung pada perangkat algoritmik yang dilatih menggunakan data konsumen, semakin keluaran industri akan mengarah pada rata-rata statistik. Setiap formula baru yang dioptimalkan AI, berdasarkan rancangan, akan menempati pusat distribusi preferensi. Seiring waktu, pusat itu sendiri akan bergeser, tetapi pergeserannya akan berlangsung lambat, karena keluaran algoritma memperkuat preferensi yang menjadi dasar pelatihannya. Konsumen yang berulang kali terpapar wewangian yang dioptimalkan AI akan membentuk preferensi yang dipengaruhi oleh wewangian tersebut, dan preferensi itu kemudian menjadi data pelatihan bagi generasi algoritma berikutnya. Hasilnya adalah lingkaran umpan balik: mesin menghasilkan apa yang disukai orang, orang belajar menyukai apa yang dihasilkan mesin, lalu mesin menghasilkan lebih banyak hal yang sama.
Ini bukan skenario hipotetis. Ini adalah gambaran tepat tentang apa yang telah terjadi di industri kreatif lain yang mengadopsi sistem rekomendasi dan generasi algoritmik. Platform streaming musik, yang algoritmanya mengoptimalkan keterlibatan, telah menghasilkan konvergensi yang terukur dalam karakteristik suara musik populer: lebih keras, lebih pendek, lebih repetitif, hook muncul lebih awal, dan rentang dinamis semakin menyempit. Platform media sosial, yang algoritmanya mengoptimalkan perhatian, telah menghasilkan konvergensi dalam karakteristik visual konten populer: lebih jenuh, lebih banyak dipotong, dan lebih ekstrem secara emosional. Algoritma tidak meratakan lanskap dengan sengaja. Algoritma meratakannya sebagai efek samping dari pengoptimalan terhadap rata-rata.
Pembuatan parfum tidak kebal terhadap dinamika ini. Jika saluran pengembangan industri semakin bergantung pada perangkat AI yang mengoptimalkan konsensus, hasil yang tak terhindarkan adalah penyempitan bidang olfaktori. Bukan penyempitan menjadi satu aroma, karena pasar terlalu besar dan terlalu tersegmentasi untuk itu, melainkan penyempitan di dalam setiap segmen. Wewangian maskulin segar akan semakin serupa. Wewangian feminin manis akan semakin serupa. Wewangian oriental oud akan semakin serupa. Setiap kategori akan menjadi semakin homogen secara internal, karena algoritma yang merancang setiap produk baru dilatih menggunakan data yang sama yang menghasilkan produk-produk sebelumnya. Bidang itu tidak akan menyusut menjadi satu titik. Bidang itu akan menyusut menjadi satu klaster.
Apakah hal ini penting bergantung pada anggapan Anda tentang tujuan pembuatan parfum. Jika pembuatan parfum adalah sebuah industri, bisnis yang menghasilkan barang konsumen untuk memenuhi permintaan pasar, maka optimasi merupakan strategi yang tepat, dan konvergensi merupakan biaya yang dapat diterima. Konsumen mendapatkan apa yang mereka inginkan. Perusahaan menghasilkan uang. Tidak ada yang mengeluh.
Namun, jika pembuatan parfum juga merupakan seni, disiplin kreatif yang tujuannya tidak hanya memuaskan preferensi yang sudah ada, tetapi juga mengungkap kemungkinan-kemungkinan baru dalam pengalaman olfaktori, maka konvergensi bukanlah biaya. Konvergensi adalah bencana. Karena seni, menurut definisi apa pun yang layak dipertahankan, membutuhkan kemungkinan terjadinya kejutan. Seni membutuhkan kemungkinan bahwa komposisi berikutnya akan menjadi sesuatu yang belum pernah dicium siapa pun, sesuatu yang tidak diprediksi oleh kumpulan data mana pun, sesuatu yang akan ditolak panel konsumen karena tidak sesuai dengan kategori yang sudah ada.
Algoritma tidak dapat menghasilkan hal itu. Pembuat parfum bisa. Tidak secara andal, tidak secara konsisten, tidak sesuai jadwal, dan tidak sesuai anggaran. Namun, sesekali, secara tak terduga, bertentangan dengan seluruh logika komersial, seorang manusia yang duduk di organ yang dikelilingi ratusan botol cokelat akan menggabungkan bahan dengan cara yang tidak akan disarankan oleh mesin mana pun, dan hasilnya akan menjadi sesuatu yang benar-benar baru. Sesuatu yang menggeser pusat, alih-alih menempatinya. Sesuatu yang menurut data seharusnya tidak berhasil.
Momen-momen itu jarang terjadi. Dan jumlahnya semakin sedikit. Jika industri tidak berhati-hati, momen-momen itu akan berhenti terjadi sama sekali, bukan karena teknologi melarangnya, melainkan karena ekonomi tidak lagi menyediakan ruang untuknya. Mesin akan meracik. Mesin akan mengoptimalkan. Mesin akan menghasilkan wewangian yang sangat baik-baik saja, yang mendapat skor baik di setiap panel dan tidak menyinggung siapa pun.
Apakah itu dapat disebut pembuatan parfum adalah pertanyaan yang tidak mampu dijawab oleh mesin. Pertanyaan itu harus dijawab oleh sebuah hidung.
Tujuh extrait dengan konsentrasi 20%, satu koleksi. Discovery Set berisi ketujuhnya dalam ukuran 2 ml.
