香水師のアトリエとはまったく似ていない、どこかの研究所で、何百本もの茶色い瓶が並ぶオルガンも、紙の孔雀のように机いっぱいに広がるムエットも、ドアの後ろのフックに掛かった染みだらけの革のエプロンもない場所で、機械が香りを調合している。機械は何も嗅がない。鼻を持たない。ベチバーとグレープフルーツの相性がよいかどうかについて意見もなければ、トップにもっと立ち上がりが必要か、ベースにもっと温かみが必要かを判断する本能もない。機械にあるのはデータだ。過去1世紀分のおよそ40万件の処方がデジタル化され、消費者パネルの評価、売上高、地域ごとの嗜好、分子記述子とともにタグ付けされている。特定の原料の組み合わせと、購入意向、知覚品質、感情的連想、再購入の可能性といった特定の消費者反応との統計的相関を特定するよう訓練されたアルゴリズムもある。そして機械は、測定可能なあらゆる基準において最適となる処方を作るよう求められた。
機械は成功する。機械が生み出す処方は、消費者パネルで高い評価を得るだろう。複数の層にまたがるテストでも好意的な結果を示すだろう。誰の気分も害さない。誰も戸惑わせない。嗅覚空間の、居心地がよく人の多い領域に収まるだろう。業界が「コマーシャル・スイートスポット」と呼び、正常に機能する鼻を持つ人なら「見慣れた香り」と呼ぶような領域だ。嗅いだ大半の人の判断では、まったく問題のない香りになる。
問題は、「まったく問題のない香り」が調香なのかどうかだ。
フレグランスにおける工業規模の機械学習
フレグランス開発への機械学習の応用は、推測の話ではない。現在、世界最大規模の香料・フレーバー企業の研究部門で、工業規模で実際に行われている。技術の洗練度には幅がある。コストや入手可能性に基づいて原料の代替候補を提案する比較的単純な予測モデルもあれば、何十年分もの独自処方データで訓練されたディープニューラルネットワークもある。しかし、根底にある論理はどの場合も同じだ。消費者反応データと結び付いた大量の既存処方を機械に入力する。分子組成と人間の嗜好の統計的関係を機械に学習させる。そして、望ましい消費者反応が得られる確率を最大化する新しい処方を生成するよう機械に求める。
これは本質的には、調香に適用した回帰分析だ。意味のある意味で、創造ではない。
この違いは重要であり、なぜ重要なのかを正確に理解する必要がある。ほとんどの機械学習の核心にある数学的手法、回帰分析は、データポイントの集まりの中に最もよく当てはまる線を見つける。中心的な傾向を特定する。平均がどこにあるかを示す。これは多くの用途で非常に有用だ。住宅価格、消費者行動、疾病の推移、選挙結果を予測したいなら、平均がどこにあるかを知ることで多くがわかる。しかし、調香は予測問題ではない。少なくとも歴史的には、創造の問題だった。そして創造の問題は中心を見つけることで解決するものではない。端を見つけることで解決するものだ。
業界を本当に変えたすべてのフレグランス、振り返れば一つの時代を定義した、あるいは新しいカテゴリーを切り開いたすべてのコンポジションは、その時代のコンセンサスから逸脱することでそれを成し遂げた。1882年、最初のモダン・フゼアは、男性用フレグランスがどんな香りになるべきかについて誰も予想していなかったものだった。1920年代、最初の偉大なアルデヒド・フローラルは、女性用フレグランスがどんな香りになるべきかについて誰も予想していなかったものだった。1980年代、ジヒドロミルセノールとヘディオンによる最初のフレッシュ・マスキュリンは、男性用フレグランスに誰も期待していなかったものだった。2000年代初頭、最初のクリーン・スキン・ムスク分子は、どんなフレグランスにも誰も期待していなかったものだった。いずれの場合も、そのコンポジションが成功したのは、既存の嗜好に合致したからではなく、新しい嗜好を生み出したからだ。中心を見つけたのではない。中心を動かしたのだ。
歴史的データで訓練されたアルゴリズムは、構造上、中心を動かすことができない。見つけることしかできない。非常に精密に見つけることができ、人間の調香師には到底かなわない効率で、スイートスポットに位置する処方を生成できる。しかし、スイートスポットに位置することは革新ではない。最適化だ。そして調香の歴史が示唆するのは、最適化と革新は同じものではなく、実際には対立する可能性さえあるということだ。
生物学的ニューラルネットワークとしての人間の調香師
反論がある。それは真剣に考慮する価値がある。反論はこうだ。人間の調香師も、ある意味ではアルゴリズムである。彼らは、生涯で嗅いだすべてのもの、研究したすべての処方、キャリアを通じて観察したすべての消費者反応という、嗅覚データのコーパスで訓練された生物学的ニューラルネットワークだ。ロマンチストが想像したがるように、彼らの創造プロセスはミューズからインスピレーションが雷のように降りてくることではない。パターン認識、再構成、反復的な改良だ。調香師はオルガンの前に座り、経験と直感に基づいて原料を選び、試作処方をブレンドし、それを評価し、調整し、また評価する。このプロセスは神秘的ではなく、経験に基づくものだ。もし機械が同じ作業をより速く、より体系的に行えるなら、いったい何が失われるのか。
失われるのは、間違いだ。
逆説的に聞こえるだろう。だから具体的に説明しよう。人間の調香師は間違える。ある原料を過剰に配合し、その過剰配合によって、意図していなかった、予測もできなかった効果が生まれることに気づく。調香における合成香料の画期的な進歩の歴史には、こうした幸運な衝突が数多くある。自分のメモを読み違え、意図していなかった原料を組み合わせ、その結果が計画していたものよりよくなることもある。調香の歴史には、こうした偶然が散在している。その個性が意図的な設計ではなく、より慎重なプロセスなら防いでいたはずの、計画外の原料同士の衝突によって生まれたコンポジションだ。
アルゴリズムはこうした間違いを犯さない。アルゴリズムは、指示されたことを正確に行う。目的関数を最適化する。勾配に従う。まったくさまようことがないため、偶然に未知の領域へ入り込むこともない。数学的な精度で最適値へ向かって進む。そして、消費者パネルのデータによって定義された最適値は、常に中心だ。平均だ。コンセンサスだ。
間違いが持つ創造的可能性は、ロマンチックな作り話ではない。あらゆる創造分野で十分に記録された現象だ。汚染されたペトリ皿をきっかけにペニシリンを発見した生物学者。アンテナの説明のつかないノイズによって宇宙マイクロ波背景放射を発見した物理学者。演奏中に弦が切れ、即興を余儀なくされたことで新しい和声言語を発見した音楽家。これは、うっかりミスの多い人を慰めるために語られる作り話ではない。計画からの逸脱が創造的な突破口の出発点になることが多く、逸脱を排除するよう設計されたシステムは、構造上、突破口の可能性も排除するという一般原則の、記録された実例だ。
消費者パネルデータと嗜好の本質
計算による調香に対する二つ目の、より哲学的な異議は、嗜好そのものの本質に関わる。
こうしたアルゴリズムが訓練されるデータ、つまり消費者パネルデータは、表明された嗜好を測定する。尋ねられたときに、人々が何を好きだと言うかを記録する。しかし、表明された嗜好と実際の嗜好は同じではない。表明された嗜好は保守的だ。見慣れたものと未知のもののどちらかを選ぶよう求められたとき、ほとんどの人は、ほとんどの状況で、見慣れたものを選ぶ。これは愚かさではない。心理学者ロバート・ザイアンスが1968年に発表した『Journal of Personality and Social Psychology』の画期的な論文で初めて説明した、単純接触効果という十分に記録された認知バイアスであり、共有された語彙がないために、なぜ何かを好きなのか嫌いなのかを消費者が言葉にすることが非常に難しい嗅覚評価において、強力に作用する。既存のどのカテゴリーにも当てはまらず、混乱と興味を同じ程度に引き起こす、本当に斬新なフレグランスを前にすると、消費者パネルはたいてい低い評価を付ける。香りが悪いからではない。パネルにそれを評価する枠組みがないからだ。
消費者パネルデータで訓練されたアルゴリズムは、この保守性を受け継ぐ。新奇さは危険で、見慣れたものは安全だと学習する。人々が最も高く評価するフレグランスは、過去に高く評価したフレグランスに最もよく似たものだと学習する。要するに、消費者調査の最も根本的な教訓を学習する。人はすでに好きなものを好む。そして、それに応じて最適化する。
その結果生まれるのは、業界が「安全策」と呼ぶものを生み出すのに極めて優れた機械だ。失敗せず、商業的に成立する最低限の水準を達成し、嗅いだ人を驚かせたり、動揺させたり、挑戦させたりしないフレグランスだ。こうしたフレグランスは売れる。そのうちのいくつかは非常によく売れる。しかし、業界を変えることはない。業界を変えるには、消費者パネルが採点方法を知らないものを生み出す必要があるからだ。調香を変えたコンポジションは、創造された瞬間にはすべて、驚きだった。誰も求めていなかったもの、予備テストで高い評価を得なかったもの、データが成功すると示したからではなく、一人の人間、調香師、クリエイティブディレクター、起業家が、データにもかかわらずそれを信じたから成功したものだった。
アルゴリズムは、データにもかかわらず何かを信じることができない。データにもかかわらず信じることは、アルゴリズムが本質的にできない唯一のことだ。アルゴリズムはデータに従う。それが長所であり、限界でもある。そして、最も重要な決断がデータと矛盾するものであり、創造的進歩の歴史全体がコンセンサスを無視し、正しかったと証明された人々の歴史である分野において、この限界は小さなものではない。根本的なものだ。
AIが担うべき領域と、担うべきでない領域
私が何を主張していないのかを明確にしておこう。人工知能が調香に何の役割も持たないと主張しているのではない。明白で価値のある用途がある。規制変更によって規制対象原料の除去を迫られたとき、リフォーミュレーションのプロセスを加速できる。コンポジションの個性を維持しながら価格を下げる、費用対効果の高い代替原料を提案できる。膨大な消費者フィードバックのデータセットを分析し、人間の分析者なら見逃すかもしれない傾向を特定できる。可能な原料の組み合わせが広がる多次元空間をマッピングし、人間の調香師がまだ探索していない領域を浮かび上がらせることもできる。かつてガスクロマトグラフィーが、以前は企業秘密に閉ざされていた処方を解読したのと同じだ。これらは有用な機能だ。時間を節約し、コストを削減し、調香師の道具箱を広げる。真剣な人であれば、これらに異議を唱える者はいない。
私が主張しているのは、これらがすべて最適化機能だということだ。既存のプロセスをより効率的にする。しかし、創造はしない。最適化と創造の違いは言葉の問題ではない。既知の風景の中で最適な道を見つけることと、その風景が既知の境界を超えて広がっていることを発見することの違いだ。機械学習は前者を得意とする。後者は構造上できない。後者には定義上、データを超えて進むことが必要であり、機械学習は定義上、データからパターンを抽出する方法だからだ。
フレグランス業界が計算ツールに熱狂するのは理解できる。現代の調香の経済環境は厳しい。商業フレグランスの平均的な開発期間は、数年から数か月へと圧縮されている。ブリーフは厳しくなった。予算は小さくなった。失敗のコストは高くなった。この環境では、許容可能な処方に到達するために必要な反復回数を減らせるツールは、非常に価値がある。しかし、その文の中で「許容可能」という言葉が大きな役割を果たしている。許容可能な処方とは、ブリーフを満たし、テストで十分な評価を得て、コスト上限を超えないものだ。許容可能な処方は傑作ではない。ほとんどの場合、特に興味深くさえない。十分なだけだ。そして工業規模において、十分さは芸術の敵になる。
統計的平均への収束
最後にもう一つ考慮すべきことがある。おそらく最も憂慮すべきことだ。フレグランス開発が消費者データで訓練されたアルゴリズムツールに依存すればするほど、業界の成果物は統計的平均へと収束していく。新しいAI最適化処方はそれぞれ、設計上、嗜好分布の中心に位置する。時間とともに中心そのものは移動するが、アルゴリズムの出力が訓練された嗜好そのものを強化するため、ゆっくりとしか移動しない。消費者はAI最適化フレグランスに繰り返し触れることで、そのフレグランスに形作られた嗜好を持つようになり、その嗜好が次世代のアルゴリズムの訓練データになる。結果はフィードバックループだ。機械が人々の好きなものを生み、人々が機械の生み出すものを好きになるよう学習し、機械がそれをさらに生み出す。
これは仮想的なシナリオではない。アルゴリズムによる推薦・生成システムを導入した他のクリエイティブ産業で、すでに起きていることの正確な説明だ。エンゲージメントを最適化する音楽ストリーミング・プラットフォームは、人気音楽の音響的特徴に測定可能な収束をもたらした。より大きな音、より短い曲、より反復的な構成、より早く現れるフック、より狭いダイナミックレンジ。注目を最適化するソーシャルメディア・プラットフォームは、人気コンテンツの視覚的特徴に収束をもたらした。より彩度が高く、よりトリミングされ、より感情的に極端なもの。アルゴリズムは意図的に風景を平らにしているのではない。平均に対して最適化することの副作用として、風景を平らにする。
調香もこの動きから免れるわけではない。業界の開発パイプラインがコンセンサスに対して最適化するAIツールへの依存を強めれば、必然的に嗅覚領域は狭まる。一つの香りへ狭まるわけではない。市場は大きく、細分化されすぎているからだ。しかし、各セグメントの内部では狭まる。フレッシュ・マスキュリンは収束する。スウィート・フェミニンは収束する。ウード・オリエンタルは収束する。それぞれのカテゴリーは内部的により均質になる。新しい製品を設計するアルゴリズムが、既存製品を生み出したのと同じデータで訓練されているからだ。領域が一点に縮むことはない。クラスターへと縮む。
これが重要かどうかは、調香を何のためのものだと考えるかによる。もし調香が産業であり、市場の需要を満たすよう設計された消費財を生産するビジネスなら、最適化は正しい戦略であり、収束は受け入れられるコストだ。消費者は欲しいものを手に入れる。企業は利益を得る。誰も不満を言わない。
しかし、調香が芸術でもあり、既存の嗜好を満たすことを超えて嗅覚体験の新しい可能性を示すことを目的とする創造的な分野でもあるなら、収束はコストではない。大惨事だ。なぜなら、擁護する価値のあるどんな定義においても、芸術には驚きの可能性が必要だからだ。誰もこれまで嗅いだことのないもの、どんなデータセットも予測しなかったもの、既存のどのカテゴリーにも当てはまらないため消費者パネルなら拒絶したものが、次のコンポジションになる可能性が必要だ。
アルゴリズムにはそれを生み出せない。調香師にはできる。確実にではない。安定してでもない。予定どおりでも、予算内でもない。しかし時折、予測不能に、あらゆる商業的論理に逆らって、何百本もの茶色い瓶に囲まれたオルガンに座る一人の人間が、どんな機械も提案しなかった方法で原料を組み合わせ、その結果として本当に新しいものが生まれる。中心に位置するのではなく、中心を動かすもの。データがうまくいかないはずだと示したもの。
そうした瞬間は稀だ。ますます稀になっている。そして業界が注意を怠れば、やがて完全に起こらなくなる。技術がそれを禁じるからではない。経済がそれを許す余地を残さなくなるからだ。機械は調合する。機械は最適化する。機械はあらゆるパネルで高い評価を得て、誰の気分も害さない、まったく問題のないフレグランスを生み出す。
それを調香と呼べるかどうかは、機械には答えられない問いだ。答えなければならないのは、鼻を持つ者だ。
20%のエクストレ7種、ひとつのコレクション。ディスカバリーセットには、7種すべてが2mlで入っている。
