综述：感知未来之路：人工智能在感官科学与消费科学中的增强作用

《Food Quality and Preference》：Sensing the path forward: AI as amplifier in sensory and consumer science

　　

• •
  关于让AI投入实际工作的视角，而非系统性综述。
• •
  受近年大语言模型兴起以来的一线实践经验启发。
• •
  四支柱框架：知识、自动化、预测、人员。
• •
  三个行业案例支撑"放大器"视角。

章节摘要

引言：瓶颈从测量转向意义

生命通过感官来体验。感官科学与消费科学的存在，正是为了让这种生活化的体验变得可测量、可比较、可应用。如今，AI已经嵌入到流程的几乎每一步中——从自动化的问卷设计、基于实时语音的数据采集，到利用深度学习模型从分子结构预测消费者偏好。主流叙事认为，"人体传感器"将被算法所取代，由算法来定义风味、预测接受度，而无需真实的身体参与。我们认为——

AI是什么，不是什么

现代AI系统是强大的统计引擎。大型语言模型和视觉模型能够从海量语料中学习规律，并在分布范围内进行泛化。但它们并非感知者——它们没有身体、没有内感受、没有发展历史，也没有第一人称视角。

塞尔的"中文房间"思想实验提醒我们，句法不等于语义（Bender & Koller, 2020; Searle, 1980）。达马西奥（1994）的研究表明，情感与理性通过身体的躯体状态相互整合。从生物学角度来看——

模拟感官：进展与现实检验

硅基感知在过去十年中取得了显著进步。但要形成合理的预期，需要仔细审视这些进展，包括其止步之处。

我们在化学计量学领域中的多元建模传统（Wold, 1995），如今已包含了将化学成分、仪器测量、评定小组数据和消费者反应关联起来的神经网络（Nunes等, 2023）。工具箱扩大了，但其底层逻辑（将可测量的物理化学性质与人类感知相联系）并未改变。

AI作为放大器：源于理论与实践的四支柱框架

在2025年庞伯恩研讨会上，我们的报告以一个我们称之为"AI冰山"的概念开场：露出水面的冰山一角（聊天机器人、引人注目的演示效果）只是AI在感官科学中所能发挥能力的一小部分，而水面以下更大的体积（知识管理、工作流自动化、预测建模基础设施）才是组织价值所在之处。每一位行业演讲者都对这一画面产生了共鸣，以下所述的共享框架在当天逐步成形（见图3）。

最有——

行业案例研究

以下案例研究摘自研讨会报告。每个案例都在数字成熟度的不同阶段展示了四支柱框架的实际应用，其细节程度反映了各组织分享具体数字、特定工具名称以及对有效与无效做法坦诚评估的意愿。

叙事驱动分析：让意义变得可测量

关于叙事的研究为本提案提供了理论基础。Bruner（1990）、Schank和Abelson（1977）、McAdams（1993）以及Labov和Waletzky（1967）描述了人们如何围绕角色、目标、障碍和时间顺序来组织经验。Green和Brock（2000）表明，叙事运输效应可以影响判断。在食品领域，定性研究表明，与健康饮食、可持续饮食和怀旧饮食相关联的意义是多层次的，并且与 lived experience 密切相关（Hazley等, 2024; ——

实践的五项原则

以下原则将跨案例研究发现转化为应在AI试点之前明确制定的决策。具体实施方式因行业、组织和团队规模而异。

第一，重申领域权威性。你是人类感知的专家；使用AI来拓宽搜索范围，而非缩小你的角色定位。在实践层面，这意味着在构建模型之前先撰写问题陈述和验收标准，以便模型回答的是你设定的问题，而非——

结论：当机器预测时，人类必须决策

AI可以高速地进行分类、聚类和预测。但它不会关心。它没有味蕾、没有祖母厨房的记忆，也不在乎某个产品是否会成为家庭仪式的一部分。这正是感官科学随着AI的普及而变得愈发重要的原因。我们的学科拥有将信号与意义相连接的方法论和判断力，同时能够在技术、文化和伦理层面权衡取舍。

三个案例描述了全球性组织各自独立地得出——

关于稿件撰写过程中生成式AI及AI辅助技术的声明

作者使用了Claude（Anthropic公司开发）来协助汇编研究发现并生成稿件初稿。所有章节随后均由作者进行完善、扩展和验证，以确保学术严谨性。在本次修订中，作者还借助多种大语言模型在作者指导下完成了语言和润色工作。作者对论文的内容完整性和学术规范承担全部责任，对——

CRediT作者贡献声明

John M. Ennis：撰写——原稿、可视化、监督、项目管理、调查、概念化。Vanessa Rios de Souza：撰写——原稿、可视化、监督、项目管理、调查、概念化。Maria Elena Lozano：撰写——原稿（百事公司案例研究）、撰写——审阅与编辑、调查、概念化。Sara Jarma Kelley：撰写——原稿（百事公司案例研究）、撰写——审阅与编辑、调查、——

资金来源

本研究未获得来自公共、商业或非营利部门资助机构的专项资助。

利益冲突声明

作者声明以下财务利益/人际关系，可能被视为潜在的利益冲突：John M. Ennis 和 Vanessa Rios de Souza 受雇于 Aigora 公司，该公司为感官科学和消费科学行业提供人工智能服务。Sara Jarma Kelley 和 Maria Elena Lozano 受雇于百事公司（PepsiCo, Inc.）。Luiza Pinheiro Carvalho 和 Chantalle Groeneschild 受雇于达能公司（Danone）。Lai Hing Vair 受雇于健合公司（Kenvue Inc.）。——

致谢

本文源自"搭建理论与实践的桥梁：AI驱动的感官能力加速商业影响"研讨会，该研讨会于第16届庞伯恩感官科学大会期间举行（费城，2025年8月17日至21日）。我们感谢研讨会上所有与会者的积极参与，也感谢 Garmt Dijksterhuis 对本文所述哲学与实践提出的有益评论。百事公司、达能公司和健合公司相关章节中表达的观点仅代表各节作者本人，并非——

John M. Ennis | Vanessa Rios de Souza | Maria Elena Lozano | Sara Jarma Kelley | Luiza Pinheiro Carvalho | Chantalle Groeneschild | Lai Hing Vair