El olfato es uno de los sentidos más difíciles de traducir a números. En visión se puede medir la longitud de onda de la luz y en audición la frecuencia del sonido, pero con los olores la relación entre una mezcla química y lo que una persona percibe sigue siendo mucho menos directa. Un nuevo estudio publicado en PNAS sugiere que esa brecha quizá no sea tan intratable como parecía: modelos de aprendizaje automático lograron anticipar con bastante precisión qué tan parecidas o distintas resultan para las personas mezclas complejas de olores.
La pregunta central no era si una molécula huele a rosa, humo o cítrico, sino algo más difícil: cómo comparar mezclas que contienen muchos compuestos al mismo tiempo. Eso importa porque la mayoría de los olores del mundo real no son sustancias puras, sino combinaciones. El aroma de un café, una fruta o un perfume surge de conjuntos complejos de moléculas, y predecir cómo se sentirán en conjunto es uno de los grandes problemas abiertos de la ciencia del olfato.
Para abordarlo, el equipo trabajó con un desafío colaborativo en el que distintos grupos intentaron predecir distancias perceptuales entre pares de mezclas odoríferas. En términos simples, buscaron estimar cuándo dos mezclas serían juzgadas como muy parecidas y cuándo como claramente distintas. Los modelos se probaron primero sobre un conjunto oculto de 46 pares y luego sobre una validación independiente con 50 pares nuevos, diseñados específicamente para poner a prueba si el método resistía fuera de los datos iniciales.
El resultado fue mejor de lo esperado. Según el paper, el modelo conjunto que reunió a los enfoques con mejor desempeño redujo de forma importante el error frente a métodos previos y mejoró también la correlación entre la predicción computacional y lo que reportaron las personas. Lo llamativo es que gran parte de esa mejora surgió de un espacio semántico compacto construido a partir de moléculas individuales. En otras palabras, el sistema no necesitó inventar una lógica completamente nueva para las mezclas: pudo apoyarse en información extraída de componentes simples y aún así describir bastante bien cómo se perciben combinaciones complejas.
Ese punto tiene interés más allá del rendimiento técnico. Si la percepción de mezclas puede organizarse con reglas parecidas a las que ya sirven para describir moléculas aisladas, entonces el olfato podría empezar a entrar en una etapa más cuantitativa. Eso abriría la puerta a comparar olores con herramientas más consistentes, en vez de depender solo de paneles humanos o de descripciones subjetivas difíciles de estandarizar.
Las posibles aplicaciones son tentadoras, pero todavía están lejos de ser productos listos para usar. Un marco así podría ayudar en el futuro a diseñar fragancias, controlar calidad en alimentos, mejorar sensores ambientales o avanzar hacia formas de “olfacción digital”, es decir, sistemas capaces de medir, clasificar o reproducir experiencias olorosas de manera más sistemática. Pero el estudio no resuelve por sí solo cómo capturar cualquier olor del mundo ni cómo reconstruirlo a demanda en un aparato.
También hay límites claros. El modelo se entrenó y evaluó con conjuntos experimentales específicos y con una tarea muy delimitada: predecir distancias perceptuales entre mezclas. Eso no equivale a entender por completo cómo el cerebro construye la experiencia del olfato, ni garantiza que el sistema funcione igual de bien con todos los contextos culturales, concentraciones o combinaciones químicas posibles. Como ocurre con muchos avances en inteligencia artificial, una mejora estadística importante no es lo mismo que una teoría completa del fenómeno.
Aún así, el trabajo deja una señal fuerte. Durante años, la complejidad de los olores hizo pensar que las mezclas serían casi imposibles de ordenar con precisión. Este estudio no cierra ese problema, pero muestra que puede atacarse con mejores resultados de los previstos y con métodos reproducibles. Si esa línea se consolida, el olfato podría empezar a parecerse un poco menos a un territorio inmedible y un poco más a un sistema que la ciencia puede cartografiar.
Phys.org · Imagen acompañante del artículo fuente; atribución preservada · Fuente de imagen
Satarifard, V., Sisson, L., Han, Y., Ilídio, P., Hladiš, M., Lalis, M., Song, X., Yang, T., Yin, W., Ravia, A., et al. (2026). A semantic-based community model for high-fidelity tuning of olfactory mixture distances. Proceedings of the National Academy of Sciences, 123(32), e2611057123. https://doi.org/10.1073/pnas.2611057123
Relacionadas por categoría
Ver masUn método adaptativo mejora la detección de texto generado por IA en pruebas controladas
Un preprint probó un detector que se ajusta a textos recientes sin etiquetas y rindió mejor ante cambios de estilo y tácticas para eludirlo.
Una IA intenta simular arena, agua y proteínas con un mismo modelo
Un preprint presenta WorldParticle, un modelo que representa distintos materiales como partículas para predecir su movimiento. Sus pruebas son prometedoras, pero no reemplazan todavía a los simuladores especializados.
Un sistema convierte artículos científicos en asistentes reutilizables
Un método empaqueta texto, código, datos y flujos de trabajo de algunos estudios para que una IA pueda ejecutar análisis y responder consultas en lenguaje natural.
Más de la misma fuente
Ver masCuando las partículas se atraen, un hielo de espín artificial cambia sus reglas
Un experimento con esferas microscópicas muestra cómo la atracción y la forma de una red pueden producir orden colectivo o impedirlo.
Diez átomos ultrafríos para estudiar una regla de la antimateria
Un experimento con átomos de rubidio imita en miniatura cómo un campo eléctrico puede favorecer la creación de pares de partículas en un modelo cuántico.
Una IA ayuda a convertir ideas de química en pruebas para diseñar enzimas
Un sistema traduce instrucciones en lenguaje común a simulaciones y cambios candidatos para enzimas, pero sus propuestas todavía deben comprobarse en el laboratorio.
Más del mismo autor
Ver masEl clima puede cambiar el mapa de plagas en bosques de Norteamérica
Un estudio proyecta que, si las emisiones siguen altas, más del 80% de los bosques analizados en Norteamérica podría enfrentar mayor presión de plagas y enfermedades hacia mediados de siglo.
Las suricatas pueden volver solas a su grupo tras ser desplazadas
Un experimento de campo halló que 18 de 20 suricatas desplazadas a 1,5 kilómetros regresaron de forma dirigida, sin seguir a otros miembros de su grupo.
Un material seco podría extender el uso de ecografías portátiles sin gel
Una interfaz elástica y seca transmitió ultrasonido durante días en pruebas de laboratorio y siguió el flujo sanguíneo durante un paseo en bicicleta.