
Las videollamadas, la música en streaming y los simuladores de vuelo son muestras de cómo los sentidos se han adaptado al mundo digital. Sin embargo, el olfato persiste como una frontera inexplorada y compleja, manteniéndose fuera del alcance de la digitalización pese a décadas de intentos y avances.
Este sentido cuenta con una dificultad diferente a la de los demás, principalmente por su base química que cuesta replicarla, a pesar de que algunos avances han estado cerca, principalmente con la evolución de la IA.
Por qué el olfato es difícil de digitalizar
El olfato, a diferencia de la vista o el oído, no puede traducirse fácilmente en datos discretos. Los colores en una imagen digital se representan mediante valores RGB, mientras que los sonidos se almacenan como ondas digitales.
En contraste, un aroma es el resultado de la interacción de miles de moléculas volátiles que activan diferentes combinaciones de receptores en la nariz. No existe, hasta ahora, un “píxel de olor” ni una escala estandarizada equiparable a las notas musicales.

Esta complejidad se incrementa por las variaciones genéticas entre personas. Mientras que dos individuos pueden interpretar la misma melodía o identificar un color de manera compatible, la percepción de un aroma varía considerablemente según sus receptores olfativos. Por lo tanto, crear un estándar digital para los olores resulta un desafío fundamental tanto en el ámbito técnico como científico.
Para digitalizar un olor se requieren dos pasos esenciales: el primero, identificar con precisión todas las moléculas presentes y en qué proporciones. El segundo, contar con un dispositivo que pueda liberar esas moléculas fielmente y en las cantidades necesarias para reproducir el aroma original. Ambos procesos suponen una barrera considerablemente más alta que la superada por la fotografía o la grabación de audio.
Intentos fallidos de digitalizar el olfato
El cine exploró hace más de medio siglo la idea de transmitir aromas a la audiencia mediante la tecnología “Smell-O-Vision”. En 1960, la película “El olor del misterio” intentó sincronizar la liberación de olores específicos con escenas puntuales.
El experimento solo incluyó treinta aromas y fracasó rápidamente, incapaz de reproducir con precisión olores auténticos. A diferencia de la telefonía o la fotografía, cuyos productos artificiales fueron reconocidos inmediatamente como equivalentes de la experiencia real, la recreación olfativa quedó lejos de ser convincente.

El problema reside en la dificultad de verificar si un olor artificial es realmente fiel al original. El científico David Harel, del Instituto Weizmann de Ciencia, propuso una solución inspirada en el famoso test de Turing. En el terreno sensorial, la prueba evalúa si una persona puede distinguir entre un olor natural y otro creado de manera artificial, todo ello sin recurrir a descripciones verbales.
En este esquema teórico, un dispositivo actuaría como “husmeador”, digitalizando la firma molecular del aroma, mientras que otro, el “tufador”, liberaría mezclas precisas de olores. Entre ambos existiría una interfaz encargada de traducir la información digital en combinaciones químicas perceptibles por el ser humano.
Repetir el experimento con diversos sujetos y muestras permitiría establecer el nivel de autenticidad alcanzado, aunque sigue sin resolverse el problema fundamental de la variedad y complejidad olfativa.

La mayor dificultad del olfato: identificarlo
La escasez de términos específicos para describir olores complica aún más la empresa. Muchas veces se recurre a palabras asociadas a otros sentidos, como “fresco” o “verde”, y existen descriptores aislados como “almizclado” o “floral”.
Sin embargo, este vocabulario resulta insuficiente para abarcar el vasto espectro de olores reconocibles, lo que dificulta la comparación y estandarización entre experiencias olfativas reales y artificiales.
Por ejemplo, aun reconociendo el aroma del café o una naranja, si se trata de identificar un olor más general, como “musgo de una cueva”, la tarea se torna subjetiva y limitada. De ahí que el enfoque experimental de Harel, basado en la experiencia directa y no en el lenguaje, represente una de las rutas más innovadoras para avanzar.

Qué avances han logrado acercarse a la digitalización del olfato
En los últimos años, la cuestión de la digitalización olfativa ha dado un giro con la llegada de la inteligencia artificial. La startup Osmo ha desarrollado sistemas basados en sensores sensibles y algoritmos de IA para analizar la composición química de los objetos, lo cual permite identificar con precisión diferencias entre productos auténticos y falsificados, especialmente en el mercado de zapatillas deportivas.
Con su Principal Odor Map, Osmo introdujo un sistema de coordenadas tridimensional que, al igual que el modelo RGB para el color, ubica los aromas según sus características químicas en un espacio digital. Este avance permitió predecir cómo olerán combinaciones moleculares específicas y mejorar la precisión en la autenticación de productos.
La aplicación de esta tecnología ya demostró eficacia en entornos comerciales, logrando distinguir zapatillas falsas de originales con más de 95% de éxito y superando en fiabilidad tanto a las inspecciones humanas como a los métodos visuales previos. Este sistema, sin embargo, aún necesita muestras originales para funcionar y enfrenta limitaciones en productos raros.
Últimas Noticias
Demis Hassabis advierte sobre la IA: “El riesgo de un escenario catastrófico no es cero”
La visión científica y el optimismo del director de DeepMind conviven con la preocupación por amenazas emergentes y la necesidad de una gestión responsable

Mercado de criptomonedas: cuál es el valor de ethereum
Ethereum fue creada en 2015 por el programador Vitalik Buterin, con la intención de impulsar un instrumento para aplicaciones descentralizadas y colaborativas

Cómo ha cambiado el valor de la criptomoneda bitcoin en el último día
El bitcoin fue creado por Satoshi Nakamoto en el 2008 y lanzado al mercado oficialmente el 3 de enero de 2009 con “el bloque de génesis” de 50 monedas

Cómo usar IA para reducir hasta un 40% los intentos de fraude en Navidad
La adopción de metodologías predictivas y la capacitación continua emergen como factores decisivos para reducir incidentes




