Osmo presenta una IA con olfato humano: 800 millones de tokens de olor
Osmo, una startup fundada por Alex Wiltschko, exinvestigador de Google Brain, presenta un modelo fundacional para el olfato entrenado con más de 10 millones de etiquetas humanas y 800 millones de tokens de olor que describen moléculas.
Una red neuronal que huele tan bien como una nariz humana
Hay un proyecto en las afueras del aeropuerto de Newark, en Nueva Jersey, que no parece un centro de datos. Es un laboratorio con unas 30 personas que se pasan el día oliendo. Anotan cada aroma con cuidado —»nuece», «melocotón», «marino»— y luego esos apuntes se cruzan con un análisis químico para construir el conjunto de datos con el que Osmo entrena lo que su fundador, Alex Wiltschko, llama el primer modelo fundacional del olfato en el mundo.
La barrera no estaba en el modelo, sino en los datos. Como cuenta Wiltschko, antes de Osmo existían menos de 200.000 descripciones humanas de olores en las bases de datos existentes. Los sensores químicos que permiten capturar un olor de forma reproducible son caros, y la industria de la perfumería es notoriamente discreta con su investigación olfativa. El resultado es que, mientras el mundo del lenguaje y el de la imagen tenían miles de millones de pares de texto e imagen listos para entrenar, el olfato partía casi de cero.
La respuesta de Osmo ha sido construir su propio corpus: más de 10 millones de etiquetas humanas y 800 millones de «tokens de olor», que describen las moléculas exactas y sus concentraciones. Spectrómetros y otros sensores químicos trabajan sin parar para descomponer la composición molecular de frutas, flores, despensa u órganos. En paralelo, unos 70 etiquetadores formados en Estados Unidos y en el extranjero redactan descripciones con un vocabulario de perfumería estandarizado.
La representación es lo realmente interesante. Wiltschko compara el olor con el lenguaje: igual que cambiar el orden de las palabras altera el significado de una frase, cambiar las proporciones de las moléculas altera el olor que percibe el ser humano. «Los tokens de olor que definen el olor de un recién nacido tienen un solapamiento enorme con los de un plato de espaguetis recién cocinado», dice, y precisa que se trata de la marca Barilla, lo que abre otras preguntas en la fábrica de pasta.
Sobre esa base, la compañía afirma haber alcanzado una «inteligencia olfativa de nivel humano». Su propia definición: el modelo detecta y discrimina olores tan bien como una persona media y crea fragancias tan bien como un perfumero junior. Ya está en producción en la industria de la perfumería y, según la empresa, hace un mes su modelo superó a los perfumeros internos de una de las mayores compañías de bienes de consumo del mundo.
Para crear perfumes, Osmo usa un robot del tamaño de un autobús escolar que mezcla ingredientes según fórmulas precisas. El sistema acepta instrucciones al estilo de un prompt de ChatGPT: durante una demostración en Web Summit, en Lisboa, se le pidió una fragancia que oliera a pastel de nata portugués, dirigida a hombres de 18 a 23 años. Tras unos minutos de cálculo devolvió tres perfiles posibles (cremoso, con coco, afrutado) junto con las moléculas necesarias. Si se hubiera completado el pedido, la fragancia habría estado lista una semana después.
La startup tiene clientes con peso: Procter & Gamble ya ha usado su tecnología para crear fragancias de venta minorista. La Gates Foundation, que invirtió 5 millones de dólares en el lanzamiento, entregó después una subvención de 3,5 millones para evaluar moléculas que repelen insectos transmisores de enfermedad, y Osmo identificó ocho sustancias más repelentes que el DEET. También ha trabajado con StockX para detectar zapatillas falsificadas comparando la composición química de los materiales.
Las críticas tampoco son baladías. Avery Gilbert, investigador del olfato y autor de What the Nose Knows, ha sido muy duro con la compañía en su Substack: sostiene que algunas de sus afirmaciones comerciales no están documentadas y que sus patentes siguen apoyándose en paneles sensoriales humanos y en perfumeros, no en IA. En marzo escribió que «esa dependencia tan pesada del juicio sensorial humano parece extraña en una empresa que se apoya en una IA muy cool». Wiltschko responde que la percepción humana no es un atajo para la IA: los modelos de lenguaje aprenden de lo que la gente ha escrito, y el suyo aprende de lo que la gente huele, porque el olor es en el fondo una experiencia humana.
Michael Schmuker, exprofesor de computación neuronal en la Universidad de Hertfordshire y consultor previo de Osmo, reconoce el logro. Junto a sus colegas creó una versión de código abierto del modelo de 2023, pero le faltan los datos que la compañía ha ido acumulando desde entonces. Su objeción de fondo es otra: el olfato depende del contexto. «El olor es muy complejo. El contexto es muy importante. La misma molécula puede evocar una asociación distinta según el contexto», explica, y recuerda que el Camembert y los pañales usados comparten parte de su química molecular. En un laboratorio de perfumería controlado eso importa poco; en el mundo real, mucho.
Ahí está el límite. Si la tecnología de Osmo acaba siendo el canal olfativo de los modelos de mundo, la IA podría detectar alimentos caducados en una línea de producción o diagnosticar tumores con el olfato, como se ha probado con perros, la tecnología de sensores tendrá que mejorar mucho. Y el premio mayor sigue siendo el diagnóstico médico.
Osmo, una startup fundada por Alex Wiltschko, exinvestigador de Google Brain, presenta un modelo fundacional para el olfato entrenado con más de 10 millones de etiquetas humanas y 800 millones de tokens de olor que describen moléculas y concentraciones. La compañía afirma alcanzar «inteligencia olfativa de nivel humano»: detecta y discrimina olores como una persona media y compone fragancias como un perfumero junior, y ya genera perfumes de venta minorista para Procter & Gamble. El robot mezclador de la startup, del tamaño de un autobús escolar, acepta descripciones al estilo de un prompt y entrega perfiles de fragancia con las moléculas necesarias en unos minutos. Las críticas no son menores: el olfato humano depende del contexto, los sensores todavía no dan la talla y algunos investigadores cuestionan que las patentes se apoyen en IA y no en paneles sensoriales. Wiltschko insiste en que la percepción humana no es un atajo, sino el origen del dato: el modelo aprende de lo que la gente huele, igual que los modelos de lenguaje aprenden de lo que la gente escribe.
Lo interesante de esta noticia no es el perfume, es el método. Osmo ha reproducido el guion que funcionó con el lenguaje y con la imagen, pero con una diferencia que lo hace más lento y más caro: no se pueden raspar etiquetas del olfato de la web. Cada token de olor exige un sensor, una persona entrenada y una hora de laboratorio. Eso convierte su modelo fundacional del olfato en una infraestructura de datos, no en un modelo de lenguaje, y por eso no esperaría el ritmo de publicación de un laboratorio grande.
Para quien viene de redes y telecomunicaciones, la lectura útil es otra: el cuello de botella real de estos sistemas no es la GPU ni la arquitectura, es la cadena de captura. Un sensor que hay que calibrar, una persona que hay que pagar y etiquetar, y un corpus que hay que construir durante años. Es el mismo esquema que se repite en cualquier sensorización industrial, y conviene recordar que los datos que se pagan, la parte aburrida, son los que marcan la diferencia.
Mi escepticismo se queda en dos puntos. El primero es la reproducibilidad: si el modelo supera a perfumeros internos, alguien externo debería poder repetirlo, y de momento el camino abierto sigue siendo una reimplementación de 2023 con menos datos. El segundo es el contexto, y aquí la crítica de Schmuker me parece la más dura: un sistema que confunde el olor del Camembert con el de un pañal usado no es un modelo de olfato, es un clasificador de moléculas sin percepción. Para que el diagnóstico médico o la detección en aeropuerto sean realidad, la sensórica tiene que dar un salto similar al que dio la imagen en 2015.
Con todo, el trabajo tiene valor aunque las aplicaciones más ambiciosas tarden años. La perfumería, la detección de falsificaciones y los repelentes de insectos son campos donde el error se tolera y el mercado ya existe. Veremos si Osmo consigue bajar el coste del etiquetado lo suficiente para que la olfacción deje de ser un lujo de laboratorio.
Referencia y documentación original: MIT Technology Review.
https://www.technologyreview.com/2026/11/18/1148816/smell-startup-osmo-ai-nose-good-as-humans/