Мой нос, скажем так, не очень хорошо ощущает запахи и их полутона. Я не могу отличить ноты жасмина от ириса или уловить тончайшие оттенки дорогого парфюма. До этого проекта в парфюмерии я совсем не разбирался.
Все началось с бесконечных дискуссий с моим одногруппником Яковом Сапаровым. Мы часами спорили о том, какие ароматы могут нравиться людям и почему. Яков чувствовал запахи, мог оценить композицию, подметить детали. А я — я просто не понимал, почему один запах считается удачным, а другой — нет.
Мне, как программисту и математику, захотелось разложить это на формулы, найти структуру, понять закономерности. Я решил посмотреть на аромат не как на искусство, а как на математическую модель, разобрать на составляющие, выявить закономерности и на основе этих данных предложить новый, идеальный рецепт. Так родилась идея «ИИ Спирит» (AI Spirit).
Создание «идеального парфюма» началось с анализа существующих
Наша команда предположила, что «идеальным парфюмом» может стать статистически наиболее вероятный кандидат, вызывающий сильный положительный отклик у большинства людей. Но это должна быть не точная копия популярных ароматов прошлого, а новая формула, выведенная из анализа того, почему они вызывали вау-эффект. Необходимо было найти универсальный код притягательности аромата.
Процесс разработки «ИИ Спирит» (AI Spirit) довольно классический для науки о данных и состоял из сбора и анализа данных, разработки ИИ-моделей, построения гипотез, их валидации с профессиональным парфюмером и повторного тестирования. Цикл повторялся многократно, при каждой итерации уточнялись прогнозы модели.
Мы обучили систему на обширной базе данных, включающей 40 тыс. сочетаний ароматов и их оценок. Это были структуры и аккорды популярных мировых духов за последние 100 лет, собранные из открытых источников, парфюмерных баз данных и ― главное ― огромный массив отзывов и оценок от любителей парфюмерии по всему миру. Такая информация позволила алгоритму учиться не на абстрактных формулах, а на реальном потребительском опыте.
Нейросеть учитывала, какие ноты часто встречаются вместе в парфюмерных хитах, в каком контексте работают, как меняются тренды. Получилась своеобразная рекомендательная система только для ингредиентов будущего запаха.
Например, мы увидели тренд: современная парфюмерия стала уходить от классических «сухих» композиций к сладким и фруктовым. Доля сладких и фруктовых аккордов выросла с почти нуля в середине века до 30–34% в 2020-х, а доля древесно-ароматических и пудровых нот, наоборот, снизилась. К 2026 году ваниль впервые в истории вошла в тройку самых частых нот, обогнав жасмин — символ классической парфюмерии. При этом мускус остался неизменным лидером на протяжении всего века: он встречался в базовой части почти каждого второго аромата.
Какие алгоритмы лежат в основе работы «ИИ Спирит» (AI Spirit)
В основе проекта мы использовали эволюционные алгоритмы и методы градиентного бустинга над деревьями решений (GBDT). Эволюционный алгоритм имитирует естественный отбор: он формирует множество комбинаций, отбирает наиболее перспективные и порождает новые поколения решений. Градиентный бустинг применяется для оценки качества этих комбинаций: модель обучена на больших массивах данных и прогнозирует, насколько предложенная композиция соответствует заданным критериям — от массовой привлекательности до вызова определенных эмоций. В связке эти методы обеспечивали не случайный поиск, а целенаправленную оптимизацию и отбор лучших ароматических решений.
Сначала нейросеть предлагала множество возможных сочетаний нот. Затем по заданным критериям — например, «массовая привлекательность» — происходил отбор наиболее перспективных вариантов. Эти варианты комбинировались и видоизменялись, формируя новые поколения ароматных композиций. В итоге остались сочетания, которые с наибольшей вероятностью соответствуют заданным целям.
«Мы оцифровали язык парфюмерии, но чтобы ее оценить, нужен профессиональный нос»
Наша нейросеть не «чувствует» запахи физически, она оперирует только их цифровыми профилями и анализирует тысячи таких связей, выявляя сложные, неочевидные для человека закономерности: какие комбинации получают высокие оценки, ассоциируются с определенными эмоциями или популярны у конкретных аудиторий. Мы оцифровали язык парфюмерии, но чтобы ее оценить, нужно уметь нюхать и чувствовать, ощутить запах на коже и смотреть, как он раскрывается со временем. Это может только человек.
Для работы над проектом мы привлекли профессионального носа — парфюмера Веронику Ямилову, основательницу бренда «Ямилова Урбан» (Yamilova Urban). Она стала нашим мостом между цифровым миром и миром парфюмерного искусства. Нейросеть сгенерировала перспективные формулы. Задача Вероники была не просто интерпретировать данные в виде конкретной формулы, а дать свою экспертную оценку, оценить их жизнеспособность в реальности, тонко сбалансировать и добавить ту самую «неуловимую искру», которая превращает комбинацию нот в настоящую магию.
«Синтетическая мечта» стала реальностью: как оценили аромат
В результате получился гармоничный аромат, рожденный на стыке науки и искусства. Мы назвали его SD-1, что расшифровывается как «Синтетическая мечта» (Synthetic Dream). В его композиции присутствуют ноты ириса, жасмина, розового перца, кожи и тубероза. Он понравился большинству членов нашей команды, его особенно оценили любители унисекс-ароматов.
Также мы провели слепые тесты: группе из примерно 50 наших знакомых и студентов ИТ-вуза предложили сравнить два аромата. Первый — полностью сгенерированный нейросетью SD-1. Второй — тот же аромат, но доработанный профессиональным парфюмером по своему вкусу. Испытуемые не знали, какой из флаконов создан ИИ, а какой — с правками человека. 95% опрошенных выбрали именно ИИ-версию.
После завершения тестирования мы выпустили первую экспериментальную партию SD-1 из 50 флаконов. Сейчас он доступен в виде рум-спрея, который лучше наносить на постельное белье, ковры и шторы. Его можно приобрести в магазине мерча Университета Иннополис.
Будущее ИИ в парфюмерной индустрии
Наш эксперимент удался и показал, что подобные ИИ-алгоритмы в парфюмерии могут ускорить разработку новых ароматов за счет генерации математически обоснованных гипотез и позволят с высокой точностью прогнозировать тренды на основе анализа глобальных данных. Все это через пару лет сделает возможной гиперперсонализацию — создание индивидуального аромата под конкретного человека за считанные минуты. Он будет более привлекательным и вызывать лучший эмоциональный отклик у покупателя. Это поможет в эмоциональном маркетинге и продвижении парфюмерных брендов.
При этом нейросети не заменят парфюмеров, а станут инструментом, который возьмет на себя рутинный перебор вариантов и усилит творческие возможности человека.
Парфюмерия — это не только оптимизация метрик, но и искусство, культура, личные воспоминания. Зачастую запах связан с эмоциями — ИИ может помочь подобрать идеальные сочетания, но не прожить тот опыт, который стоит за композицией. Искусственный интеллект остается одним из инструментов, соавтором, однако не заменяет автора. Калькулятор же не заменил математиков — просто с ним проще считать. Так и тут: ИИ расширяет возможности, ускоряет процессы, но основное решение остается за человеком .
В ближайших планах нашей команды — выпустить ограниченный тираж рум-спрея и духов SD-1, а также начать генерировать духи по запросу брендов. И конечно, мы думаем о том, чтобы каждый человек мог получить свой уникальный аромат, созданный нейросетью специально для него.
Ранее Наука Mail рассказывала, когда и зачем в России построили Кремниевую долину.