冷蔵庫から出した牛乳を、口に運ぶ前に鼻先へ近づけます。
傷んでいるかどうかが心配な時は、必ずします。
匂いの元が何という成分かは知りません。
名前はわからないのに、確かにわかる。
賞味期限を見る前に、鼻が先に教えてくれることさえあります。
私たちはふだん、何かを分析するには、それ専用の精密な機械が要ると考えがちです。
バナナを当てたいならバナナ用、傷みを当てたいなら傷み用の、専門の一台を。
よい装置とは、目当てのものを正確に見つける一台のこと。
その前提を、たいてい疑いません。
専門家は専門であるほど頼もしい、と感じてもいます。
米国と韓国の研究チームが作った、匂いをかぎ分ける小さなチップは、その発想とは少し違っていました。
7.5ミリ角の板に、性質の異なる16個のセンサーが並んでいます。
どれも、特定の匂いだけを担当する専門家ではありません。
一つひとつは、食品の種類をうまく当てられません。
それでもこのチップは、傷んだ肉や卵から、ピーナッツやくるみといったナッツの違いまで、16の対象を見分けてみせました。
同じ匂いをかがせても、16個のセンサーは同じようには反応しません。
あるものでは電流が増え、別のものでは減り、反応の速さや戻り方にも差が出ます。
似た材料を並べると反応も似てしまい、前のセンサーとほとんど同じ働きになってしまいます。
決め手になっていたのは、各センサーの正確さだけではありません。
互いに反応が重なりすぎないことでした。
使うセンサーを増やすと、16種類の食品を当てる精度は49.9%から92.6%まで上がりました。
けれど、数を増やせばよいという話でもありません。
似たものばかりを足しても、途中から精度は伸びにくくなります。
匂いの近いものどうし、たとえばヘーゼルナッツとピーナッツは、ときどき取り違えられました。
違いを集めても、すべてを見分けられるわけではありません。
大事なのは数よりも、顔ぶれの違いでした。
家庭の冷蔵庫では、条件はもっとばらつきます。
今回の実験では、食品の量、空気の流し方、測定時間をそろえて調べていました。
現実には、容器や包装、ほかの食品の匂いも混じります。
賞味期限や人の判断をすぐ置き換える道具ではありません。
それでも、ここまで見てくると、単独の目印を探すよりも、匂いを反応の組み合わせとして読む見方のほうが、筋が通ります。
性質の違うセンサーが増えれば、見分けられるものも増える。
反応が似てくれば、その伸びは鈍る。
実験で精度が頭打ちになったことも、その範囲で理解できます。
牛乳を鼻先に近づけるとき、私たちの鼻でも似たことが起きています。
ある匂い一つに、たった一つの専用装置が対応しているわけではありません。
大ざっぱで守備範囲の広い受け手が、それぞれ違った反応をし、その組み合わせを脳が読み取ります。
牛乳の前で当たっていたのは、一台の名人ではなく、不ぞろいな合唱だったのかもしれません。
次に何かの匂いをかぎ分けたとき、その判断の確かさは、どこか一点の鋭さから来たのではないかもしれません。
台所の空気には、ばらばらの声が重なるように、食べ物が過ごしてきた時間が残っています。
ひとつひとつには、名前をつけられないまま。
参考文献：
Carla Bassil et al. Scalable multiplexed machine learning gas sensor chips for food classification.Sci. Adv.12,eaec7965(2026).DOI:10.1126/sciadv.aec7965
紹介した論文の音声概要を、NotebookLMでポッドキャスト化してみました。あわせてお楽しみください。
