Undeva, într-un laborator care nu seamănă deloc cu atelierul unui parfumier, fără o orgă încărcată cu sute de flacoane maronii, fără bandelete de hârtie răsfirate pe birou ca un păun de hârtie, fără un șorț de piele tăbăcită, pătat, atârnat într-un cui în spatele ușii, o mașină compune un parfum. Mașina nu simte niciun miros. Nu are nas. Nu are nicio părere dacă vetiverul se potrivește cu grepfrutul, nicio intuiție dacă o compoziție are nevoie de mai multă strălucire în notele de vârf sau de mai multă căldură în notele de bază. Are date. Are aproximativ patru sute de mii de formule din ultimul secol, digitalizate și etichetate cu scoruri din panelurile de consumatori, cifre de vânzări, preferințe regionale și descriptori moleculari. Are un algoritm antrenat să identifice corelațiile statistice dintre anumite combinații de ingrediente și anumite rezultate la consumator: intenția de cumpărare, calitatea percepută, asocierea emoțională, probabilitatea de recumpărare. Și i s-a cerut să producă o formulă care să fie, după toate criteriile măsurabile, optimă.
11 minute de lectură
Va reuși. Formula produsă va obține scoruri bune în panelurile de consumatori. Va avea rezultate pozitive la mai multe categorii demografice. Nu va supăra pe nimeni. Nu va încurca pe nimeni. Va ocupa o regiune confortabilă și bine populată a spațiului olfactiv, genul de teritoriu pe care industria îl numește „punctul optim comercial”, iar oricine are simțul mirosului intact îl numește „familiar”. Va mirosi, în opinia majorității celor care o întâlnesc, perfect în regulă.
Întrebarea este dacă „perfect în regulă” înseamnă parfumerie.
Învățarea automată la scară industrială în parfumerie
Aplicarea învățării automate la dezvoltarea parfumurilor nu este speculativă. Se întâmplă acum, la scară industrială, în diviziile de cercetare ale celor mai mari companii de parfumuri și arome din lume. Tehnologia diferă ca sofisticare: unele sisteme sunt modele predictive relativ simple, care sugerează înlocuiri de ingrediente după cost și disponibilitate, altele sunt rețele neuronale profunde antrenate pe decenii de date proprii despre formule, dar logica de fond este aceeași în toate cazurile. Mașinii i se dă un corpus mare de formule existente, asociate cu date despre reacția consumatorilor. Mașina învață relațiile statistice dintre compoziția moleculară și preferința umană. Apoi i se cere să genereze formule noi, care maximizează probabilitatea unui rezultat dorit la consumator.
În fond, este analiză de regresie aplicată parfumeriei. Nu înseamnă, în niciun sens semnificativ, a crea.
Distincția contează, și trebuie spus exact de ce. Analiza de regresie, tehnica matematică din inima majorității metodelor de învățare automată, trasează prin norul de puncte dreapta care le aproximează cel mai bine. Identifică tendința centrală. Spune unde se află media. Este foarte utilă în multe aplicații. Pentru a prezice prețurile locuințelor, comportamentul consumatorilor, evoluția bolilor sau rezultatele alegerilor, a ști unde se află media spune foarte mult. Dar parfumeria nu este o problemă de predicție. Este, sau cel puțin așa a fost până acum, o problemă creativă. Iar problemele creative nu se rezolvă găsind centrul. Se rezolvă găsind marginea.
Fiecare parfum care a schimbat industria, fiecare compoziție care, privind înapoi, a definit o epocă sau a deschis o categorie nouă, a făcut-o abătându-se de la consensul vremii sale. Primul fougère modern nu semăna cu ce se aștepta cineva de la un parfum pentru bărbați în 1882. Primul mare parfum floral aldehidic nu semăna cu ce se aștepta cineva de la un parfum pentru femei în anii 1920. Primul parfum proaspăt pentru bărbați, cu dihidromircenol și Hedione, nu semăna cu ce se aștepta cineva de la un parfum pentru bărbați în anii 1980. Primul parfum cu mosc molecular care imită mirosul unei piei curate nu semăna cu ce se aștepta cineva de la vreun parfum la începutul anilor 2000. În fiecare caz, compoziția a reușit nu pentru că s-a potrivit preferințelor existente, ci pentru că a creat altele noi. Nu a găsit centrul. A mutat centrul.
Un algoritm antrenat pe date istorice nu poate, prin construcție, să mute centrul. Poate doar să-l găsească. Îl poate găsi cu precizie chirurgicală și poate genera formule care ocupă punctul optim cu o eficiență pe care niciun parfumier uman nu o poate egala. Dar a ocupa punctul optim nu înseamnă inovație. Este optimizare. Iar istoria parfumeriei sugerează că optimizarea și inovația nu sunt același lucru și pot fi chiar opuse.
Parfumierii umani ca rețele neuronale biologice
Există un contraargument, care merită luat în serios. Contraargumentul sună astfel: parfumierii umani sunt și ei, într-un fel, algoritmi. Sunt rețele neuronale biologice antrenate pe un corpus de date olfactive: tot ce au mirosit, fiecare formulă studiată, fiecare reacție a consumatorilor observată de-a lungul unei cariere. Procesul lor creativ nu este, cum le place romanticilor să-și imagineze, un fulger de inspirație coborât de la muză. Este recunoaștere de tipare, recombinare și îmbunătățire iterativă. Parfumierul stă la orgă, alege materiile prime pe baza experienței și a intuiției, amestecă o formulă de probă, o evaluează, ajustează, evaluează din nou. Procesul este empiric, nu mistic. Dacă o mașină poate face aceleași operații mai repede și mai sistematic, ce se pierde, concret?
Se pierde eroarea.
Pare un paradox, așa că merită spus exact. Parfumierii umani greșesc. Dozează un ingredient în exces și văd că excesul creează un efect pe care nu l-au intenționat și pe care nu l-ar fi putut prezice. Contaminează accidental un lot de probă și constată că impuritatea adaugă ceva interesant. Istoria progreselor de sinteză din parfumerie e plină de astfel de coliziuni fericite. Își citesc greșit propriile note și combină materii pe care nu voiau să le combine, iar rezultatul e mai bun decât ce planificaseră. Istoria parfumeriei abundă în aceste accidente, compoziții care își datorează caracterul nu unui plan deliberat, ci unei coliziuni neplanificate de materii pe care un proces mai atent ar fi împiedicat-o.
Un algoritm nu face aceste greșeli. Un algoritm face exact ce i se spune. Optimizează funcția obiectiv. Urmează gradientul. Nu se aventurează din întâmplare în teritorii neexplorate, pentru că nu se aventurează deloc. Se mișcă, cu precizie matematică, spre optim. Iar optimul, așa cum îl definesc datele panelurilor de consumatori, este întotdeauna centrul. Media. Consensul.
Potențialul creativ al erorii nu este o închipuire romantică. Este un fenomen bine documentat în orice domeniu creativ. Biologul care descoperă penicilina din cauza unei plăci Petri contaminate. Fizicianul care descoperă radiația cosmică de fond în microunde din cauza unui zgomot neexplicat într-o antenă. Muzicianul care descoperă un limbaj armonic nou pentru că o coardă s-a rupt în timpul unui concert și l-a obligat să improvizeze. Nu sunt povești apocrife spuse ca să-i consoleze pe cei predispuși la accidente. Sunt cazuri documentate ale unui principiu general: progresele creative pornesc adesea din abateri de la plan, iar sistemele concepute să elimine abaterea vor elimina, prin construcție, și posibilitatea unui progres major.
Datele panelurilor de consumatori și natura preferinței
O a doua obiecție, mai filozofică, la parfumeria computațională privește natura preferinței în sine.
Datele din panelurile de consumatori, datele pe care sunt antrenați acești algoritmi, măsoară preferința declarată. Înregistrează ce spun oamenii că le place atunci când sunt întrebați. Dar preferința declarată și preferința reală nu sunt același lucru. Preferința declarată este conservatoare. Când trebuie să aleagă între familiar și nefamiliar, majoritatea oamenilor, în majoritatea contextelor, aleg familiarul. Nu e prostie. Este o distorsiune cognitivă bine documentată, efectul de simplă expunere, descris prima oară de psihologul Robert Zajonc într-o lucrare de referință din 1968, publicată în Journal of Personality and Social Psychology, și acționează puternic în evaluarea olfactivă, unde, fără un vocabular comun, consumatorilor le vine excepțional de greu să explice de ce le place sau nu le place ceva. În fața unui parfum cu adevărat nou, care nu se încadrează în nicio categorie existentă, care încurcă și intrigă deopotrivă, un panel de consumatori îi va da, de cele mai multe ori, un scor mic. Nu pentru că parfumul e prost, ci pentru că panelului îi lipsește cadrul de evaluare.
Un algoritm antrenat pe datele unui panel de consumatori moștenește acest conservatorism. Învață că noutatea e riscantă și familiarul e sigur. Învață că parfumurile cel mai bine cotate sunt cele care seamănă cel mai mult cu parfumuri cotate bine înainte. Învață, pe scurt, lecția fundamentală a cercetării de consum: oamenilor le place ce le place deja. Și optimizează în consecință.
Rezultatul este o mașină extrem de bună la a produce ceea ce industria numește „pariuri sigure”, parfumuri care nu vor eșua, care vor atinge un nivel minim de viabilitate comercială, care nu vor surprinde, tulbura sau provoca pe nimeni care le miroase. Aceste parfumuri se vor vinde. Unele se vor vinde foarte bine. Dar nu vor schimba industria, pentru că schimbarea industriei cere ceva ce panelurile de consumatori nu știu să noteze. Compozițiile care au schimbat parfumeria au fost toate, la început, surprize. Erau lucruri pe care nimeni nu le ceruse, care nu au obținut scoruri bune la testarea preliminară, care au reușit nu pentru că datele spuneau că vor reuși, ci pentru că o singură persoană, un parfumier, un director creativ, un antreprenor, a crezut în ele în ciuda datelor.
Un algoritm nu poate crede în nimic în ciuda datelor. A crede în ciuda datelor este singurul lucru pe care un algoritm, prin natura lui, nu îl poate face. Un algoritm urmează datele. Aceasta este virtutea și limita lui. Iar într-un domeniu în care cele mai importante decizii sunt cele care contrazic datele, în care întreaga istorie a progresului creativ este istoria unor oameni care au ignorat consensul și au avut dreptate, această limită nu este minoră. Este fundamentală.
Unde își are locul inteligența artificială și unde nu
Trebuie spus clar ce nu afirmă acest text. Nu afirmă că inteligența artificială nu are niciun rol în parfumerie. Are aplicații evidente și valoroase. Poate accelera procesul de reformulare atunci când o modificare de reglementare impune scoaterea unui ingredient restricționat. Poate sugera înlocuiri rentabile care păstrează caracterul unei compoziții și îi reduc prețul. Poate analiza seturi mari de date despre reacțiile consumatorilor și identifica tendințe pe care un analist uman le-ar putea rata. Poate cartografia spațiul vast, multidimensional, al combinațiilor posibile de ingrediente și evidenția regiuni pe care parfumierii umani nu le-au explorat încă, la fel cum cromatografia de gaze a descifrat cândva formule care erau închise în secretul comercial. Sunt funcții utile. Economisesc timp, reduc costuri și lărgesc trusa de lucru a parfumierului. Nicio persoană serioasă nu se opune lor.
Afirmă, în schimb, că toate acestea sunt funcții de optimizare. Fac procesele existente mai eficiente. Nu creează. Distincția dintre a optimiza și a crea nu este semantică. Este distincția dintre a găsi cel mai bun traseu printr-un peisaj cunoscut și a descoperi că peisajul se întinde dincolo de granițele cunoscute. Învățarea automată excelează la primul. Este incapabilă structural de al doilea, pentru că al doilea cere, prin definiție, să se treacă dincolo de date, iar învățarea automată este, prin definiție, o metodă de extragere a tiparelor din date.
Entuziasmul industriei de parfumuri pentru instrumentele computaționale este de înțeles. Economia parfumeriei moderne este brutală. Durata medie de dezvoltare a unui parfum comercial s-a comprimat de la ani la luni. Temele sunt mai stricte. Bugetele sunt mai mici. Costul eșecului este mai mare. Într-un asemenea context, un instrument care reduce numărul de iterații necesare pentru a ajunge la o formulă acceptabilă este extrem de valoros. Dar în fraza aceasta totul atârnă de cuvântul „acceptabilă”. O formulă acceptabilă este una care respectă tema, obține scoruri adecvate la testare și nu depășește plafonul de cost. O formulă acceptabilă nu este o capodoperă. Nu este nici măcar, în cele mai multe cazuri, deosebit de interesantă. Este adecvată. Iar adecvarea, la scară industrială, este dușmanul artei.
Convergența spre o medie statistică
Mai rămâne o ultimă considerație, poate cea mai îngrijorătoare. Cu cât dezvoltarea parfumurilor se sprijină mai mult pe instrumente algoritmice antrenate cu date de consum, cu atât producția industriei va converge spre o medie statistică. Fiecare formulă nouă, optimizată de AI, se va afla prin construcție în centrul distribuției preferințelor. Cu timpul, se va deplasa și centrul, dar încet, pentru că ce produce algoritmul întărește chiar preferințele pe care a fost antrenat. Consumatorii expuși în mod repetat la parfumuri optimizate de AI își vor forma preferințe modelate de acele parfumuri, iar preferințele lor vor deveni la rândul lor datele de antrenare ale următoarei generații de algoritmi. Rezultatul este o buclă de feedback: mașina produce ce le place oamenilor, oamenilor ajunge să le placă ce produce mașina, iar mașina produce și mai mult din același lucru.
Nu este un scenariu ipotetic. Este descrierea exactă a ceea ce s-a întâmplat deja în alte industrii creative care au adoptat sisteme algoritmice de recomandare și generare. Platformele de streaming muzical, ai căror algoritmi optimizează pentru implicare, au produs o convergență măsurabilă a trăsăturilor sonore ale muzicii populare: mai tare, mai scurtă, mai repetitivă, cu refrenul care sosește mai devreme și cu o dinamică tot mai îngustă. Rețelele sociale, ai căror algoritmi optimizează pentru atenție, au produs o convergență a trăsăturilor vizuale ale conținutului popular: mai saturat, mai decupat, mai extrem din punct de vedere emoțional. Algoritmul nu aplatizează peisajul intenționat. Îl aplatizează ca efect secundar al optimizării pentru medie.
Parfumeria nu este ferită de această dinamică. Dacă fluxul de dezvoltare al industriei depinde tot mai mult de instrumente AI care optimizează pentru consens, rezultatul inevitabil este o îngustare a câmpului olfactiv. Nu o îngustare la un singur miros (piața este prea mare și prea segmentată pentru asta), ci una în interiorul fiecărui segment. Parfumurile masculine proaspete vor converge. Parfumurile feminine dulci vor converge. Parfumurile ambrate cu oud vor converge. Fiecare categorie va deveni mai omogenă, pentru că algoritmul care proiectează fiecare lansare nouă se antrenează pe aceleași date care le-au dat pe cele existente. Câmpul nu se va reduce la un punct. Se va reduce la un grup compact.
Dacă acest lucru contează depinde de rostul pe care îl dați parfumeriei. Dacă este o industrie, o afacere care produce bunuri de consum menite să răspundă cererii pieței, atunci optimizarea este strategia corectă, iar convergența, un cost acceptabil. Consumatorii primesc ce vor. Companiile câștigă bani. Nimeni nu se plânge.
Dar dacă parfumeria este și o artă, o disciplină creativă al cărei scop nu se oprește la satisfacerea preferințelor existente, ci merge până la a dezvălui noi posibilități ale mirosului, atunci convergența nu este un cost. Este o catastrofă. Pentru că arta, în orice definiție care merită apărată, cere posibilitatea surprizei. Cere posibilitatea ca următoarea compoziție să fie ceva ce nimeni nu a mirosit până atunci, ceva ce nicio bază de date nu a prezis, ceva ce un panel de consumatori ar fi respins pentru că nu se potrivea în nicio categorie existentă.
Un algoritm nu poate produce asta. Un parfumier poate. Nu sigur, nu constant, nu la termen, nu în limita bugetului. Dar uneori, imprevizibil, împotriva oricărei logici comerciale, un om așezat la o orgă înconjurată de sute de flacoane maronii va combina materii prime într-un mod pe care nicio mașină nu l-ar fi sugerat, iar rezultatul va fi ceva cu adevărat nou. Ceva care mută centrul în loc să-l ocupe. Ceva care, după date, nu ar fi trebuit să funcționeze.
Aceste momente sunt rare. Devin tot mai rare. Iar dacă industria nu are grijă, vor înceta cu totul, nu pentru că tehnologia le interzice, ci pentru că economia nu le mai lasă loc. Mașina va compune. Mașina va optimiza. Mașina va produce parfumuri perfect în regulă, care obțin scoruri bune în orice panel și nu deranjează pe nimeni.
Dacă acest lucru se numește parfumerie este o întrebare la care mașina nu poate răspunde. Va trebui să răspundă un parfumier.
Șapte extrait de parfum la 20%, o colecție. DISCOVERY SET le reunește pe toate șapte, în mostre de 2 ml.
