19/10/2026
Las máquinas ya pueden olernos
Abrir opciones de banner
¿No sabes qué escr
Introducción
En 2021 escribí sobre una tecnología que entonces parecía casi anecdótica frente al avance de la inteligencia artificial, la realidad virtual o los vehículos autónomos: las narices electrónicas.
La idea era sencilla de explicar. Si nuestro sistema olfativo reconoce determinadas combinaciones de moléculas suspendidas en el aire, quizá podríamos construir sensores capaces de hacer algo parecido. No necesariamente sentir un olor como lo hacemos nosotros, sino detectar patrones químicos, compararlos y reconocerlos.
Entre las posibles aplicaciones mencionaba la salud, la seguridad, la alimentación o la detección de enfermedades. Y utilizaba una expresión que hoy resulta especialmente interesante: «oler a distancia».
Cinco años después, aquella idea empieza a adquirir un significado mucho más concreto. No porque las máquinas hayan desarrollado un olfato equivalente al humano. Estamos lejos de eso. Pero sí porque varias tecnologías que evolucionaban por separado están empezando a converger: sensores químicos cada vez más pequeños, inteligencia artificial, robótica, nuevos materiales, modelos de dispersión del aire y sistemas capaces de interpretar patrones complejos de compuestos volátiles.
Una revisión publicada en enero de 2026 en npj Robotics analiza precisamente esta nueva generación de sistemas. Ya no se trata únicamente de detectar un gas. Los robots empiezan a combinar sensores y algoritmos para identificar una señal química, desplazarse por un entorno y tratar de localizar su procedencia.
Es un cambio importante.
Durante décadas hemos digitalizado principalmente aquello que vemos y escuchamos. Las cámaras transformaron la luz en datos. Los micrófonos hicieron algo similar con el sonido. Sin embargo, el mundo también está lleno de información química que nuestras infraestructuras digitales apenas utilizan.
Quizá, por tanto, no estemos construyendo simplemente mejores sensores, quizá estemos empezando a digitalizar una nueva dimensión del mundo.
Una nariz electrónica no huele como nosotros
Conviene empezar desmontando una idea. Una nariz electrónica no «huele» café, humo o gasolina de la misma manera que una persona.
Nuestro olfato comienza cuando determinadas moléculas activan receptores situados en el epitelio olfativo. A partir de ahí, el cerebro combina patrones de actividad, memoria, contexto y valoración emocional hasta generar una percepción.
Por eso un olor no es solamente química.
Un trabajo publicado en Nature en 2024 mostró que diferentes regiones del cerebro humano participan de forma distinta en la representación de los olores. La corteza piriforme parece estar especialmente relacionada con su identidad, mientras que la amígdala participa más en su valoración y otras estructuras intervienen en su identificación y memoria.
Una máquina funciona de otra manera. Las narices electrónicas utilizan matrices de sensores que reaccionan de forma diferente ante determinadas moléculas. Esas interacciones producen cambios eléctricos, ópticos o físicos que pueden convertirse en datos.
El resultado habitual no es «esto es café», sino más bien algo parecido a un patrón numérico generado por múltiples sensores. Y aquí aparece nuestra tecnología de moda, la inteligencia artificial.
Los algoritmos pueden aprender qué configuraciones de respuesta corresponden a determinados gases, mezclas, estados de maduración, deterioro o perfiles químicos.
En realidad, este principio se parece parcialmente al funcionamiento biológico, Múltiples receptores, cada uno con respuestas parcialmente selectivas, producen una combinación que posteriormente debe interpretarse.
Pero la similitud termina ahí. Una nariz electrónica detecta y clasifica señales químicas. No podemos asumir que tenga una experiencia perceptiva comparable a la humana.
La distinción es importante porque evita uno de los errores habituales cuando hablamos de inteligencia artificial, el confundir una función aparentemente similar con un mecanismo equivalente.
Cuando la IA empieza a construir mapas del olor
Durante años, las narices electrónicas utilizaron técnicas estadísticas y algoritmos relativamente sencillos para diferenciar sustancias. Actualmente pueden combinarse con redes neuronales, aprendizaje profundo y modelos capaces de estudiar tanto el patrón químico como su evolución temporal.
Algunos avances recientes muestran hasta qué punto está creciendo la capacidad instrumental.
En 2024 se publicó en Nature Electronics un chip olfativo biomimético que incorporaba hasta 10.000 sensores individualmente direccionables. El sistema pudo discriminar gases, mezclas y diferentes olores y llegó a integrarse con un robot cuadrúpedo.
Ese mismo año, investigadores publicaron en Science Advances una nariz electrónica miniaturizada capaz de detectar cambios extremadamente rápidos en estímulos químicos. Esto es importante porque los olores reales no aparecen como una nube homogénea. El aire es turbulento. Las moléculas llegan en pulsos, desaparecen, vuelven a aparecer y cambian de concentración constantemente. Para un robot que intenta seguir un olor, detectar esta estructura temporal puede resultar tan importante como identificar las moléculas presentes.
Pero uno de los trabajos más interesantes apareció en 2023 en Science. Los investigadores desarrollaron lo que denominaron un Principal Odor Map, un mapa computacional destinado a relacionar la estructura molecular con características perceptivas del olor. Utilizando redes neuronales de grafos, el sistema aprendió asociaciones entre moléculas y descriptores humanos como afrutado, floral o amaderado.
Conviene interpretar el resultado con prudencia. No significa que una IA pueda oler, significa que empezamos a construir representaciones computacionales capaces de conectar estructura química, datos y percepción humana. Es decir, empiezan a aparecer los primeros elementos de un posible espacio digital del olor.
De reconocer un olor a buscar su origen
Aquí es donde aquella expresión de 2021, la ides de «oler a distancia», empieza a adquirir un significado más interesante.
Detectar una sustancia es relativamente sencillo comparado con localizarla. Una fuga de gas, por ejemplo, no forma una nube con límites perfectamente definidos. El viento, la ventilación, la temperatura, las puertas, los obstáculos o incluso las personas modifican continuamente su dispersión. Por eso una concentración elevada no significa necesariamente que el sensor esté justo al lado de la fuente.
Los animales resuelven este problema moviéndose. Un perro cambia de dirección, vuelve a muestrear, compara señales y utiliza información ambiental. Algunos insectos combinan olor y viento para localizar alimento o feromonas.
La olfacción es, en muchos casos, una forma de percepción activa y la robótica está empezando a imitar este principio.
La revisión publicada en npj Robotics en 2026 analiza algoritmos destinados a encontrar fuentes gaseosas mediante estrategias bioinspiradas, métodos probabilísticos, sistemas colaborativos y modelos que utilizan información sobre dirección del viento o evolución de las concentraciones.
El objetivo deja de ser «hay una sustancia aquí» y pasa a ser «creo que procede de allí».
En 2025, por ejemplo, investigadores japoneses probaron un dron biohíbrido que utilizaba sensores olfativos basados en antenas de polilla. El sistema consiguió mejorar la localización de una fuente odorante mediante una estrategia de movimiento y búsqueda activa.
No estamos hablando todavía de robots capaces de rastrear cualquier sustancia en cualquier entorno. Las distancias son limitadas, los escenarios experimentales están controlados y la transferencia al mundo real sigue siendo difícil. Pero el cambio conceptual es importante. El sensor ya no espera pasivamente, percibe, se desplaza, vuelve a medir y modifica su comportamiento.
El modelo de cinco niveles para entender el olfato digital
Como propuesta conceptual, creo que podemos entender esta evolución mediante cinco etapas:
CAPTAR → CODIFICAR → INTERPRETAR → LOCALIZAR → ACTUAR O REPRODUCIR
Captar significa detectar moléculas mediante sensores. Codificar significa convertir esas respuestas físicas o químicas en datos digitales. Interpretar supone utilizar algoritmos para reconocer patrones, sustancias o estados. Localizar añade información espacial y temporal para intentar descubrir dónde se encuentra la fuente. Finalmente, actuar o reproducir significa utilizar esa información para tomar decisiones o incluso intentar recrear el estímulo en otro lugar.
Las narices electrónicas tradicionales trabajaban principalmente en los tres primeros niveles. La olfacción robótica empieza a avanzar hacia el cuarto. La llamada olfacción digital intenta explorar también el quinto.
Esta última posibilidad resulta especialmente sugerente. ¿Podríamos algún día capturar un olor en un lugar y reproducirlo en otro?
Todavía estamos lejos de disponer de algo equivalente a una fotografía o un archivo de audio.
No existe un «JPEG del olor». El espacio químico es enorme, las mezclas son complejas, las personas no perciben los olores exactamente igual y determinadas sustancias ni siquiera podrían reproducirse de forma segura. Sin embargo, ya existen trabajos experimentales sobre creación automática de aromas, displays olfativos y sistemas de teleolfacción.
Por eso quizá el concepto importante no sea únicamente la nariz electrónica, sino la posibilidad de construir una cadena digital del olor.
Salud, alimentos, robots y edificios que puedan «oler»
Las aplicaciones potenciales son enormes porque el mundo produce constantemente información química.
Una fruta cambia sus emisiones cuando madura. La carne modifica sus compuestos volátiles cuando empieza a deteriorarse. Una batería puede liberar gases cuando falla. Una fuga industrial altera la composición del aire. Nuestro metabolismo también genera compuestos que pueden aparecer en el aliento.
En medicina se investiga desde hace años si estos patrones pueden utilizarse como biomarcadores.
Un metaanálisis publicado en 2025 sobre narices electrónicas aplicadas al cáncer de pulmón encontró resultados prometedores, con valores elevados de sensibilidad y especificidad en los estudios incluidos.
Pero aquí debemos ser especialmente prudentes. Esto no significa que podamos diagnosticar cáncer simplemente haciendo que una máquina «huela» a una persona. La dieta, la medicación, el tabaquismo, otras enfermedades, el microbioma o el procedimiento de recogida pueden modificar las señales. Además, muchos modelos funcionan bien en condiciones controladas pero pierden rendimiento cuando cambian de hospital, población o dispositivo. Probablemente las aplicaciones iniciales estén más cerca del cribado, la monitorización o el apoyo diagnóstico que de sustituir las pruebas clínicas actuales.
En alimentación ocurre algo parecido. Las narices electrónicas pueden ayudar a estudiar frescura, fermentación, contaminación o adulteración. El problema vuelve a aparecer cuando salimos del laboratorio: humedad, temperatura, productos diferentes o envejecimiento de los sensores pueden alterar los resultados.
Y quizá uno de los campos menos comentados sea el de los edificios. Actualmente un edificio inteligente puede medir temperatura, humedad, CO₂ o consumo energético, pero su conocimiento del entorno químico sigue siendo muy limitado. Una futura generación de sensores podría reconocer patrones asociados a sobrecalentamientos, fugas, emisiones de materiales, productos de limpieza, deterioro alimentario o contaminación exterior. Eso cambiaría incluso la lógica de los edificios inteligentes. Un BMS convencional responde fundamentalmente a valores:
- CO₂ alto: ventila.
- Temperatura alta: enfría.
- Humo: genera una alarma.
Una capa de olfacción artificial permitiría intentar responder a una pregunta bastante más compleja ¿qué está ocurriendo aquí?
Conclusión
Todavía sería exagerado afirmar que hemos digitalizado el olfato. Los sensores presentan deriva. Los algoritmos no siempre generalizan. Las mezclas son difíciles de interpretar. Los entornos reales son mucho más complejos que los laboratorios. Y los sistemas capaces de reproducir olores están todavía lejos de la universalidad de una pantalla o un altavoz. Pero también sería un error ignorar lo que está ocurriendo.
Ya existen chips con miles de sensores, algoritmos capaces de relacionar moléculas y descriptores olfativos, robots que intentan localizar fuentes químicas y sistemas experimentales que empiezan a explorar la reproducción digital de aromas.
Por eso recuperaría aquella expresión de 2021. «Oler a distancia» quizá no consista en construir una nariz artificial idéntica a la nuestra. Consiste en separar el lugar donde existe una señal química del lugar donde esa información se interpreta y se utiliza.
Eso fue exactamente lo que ocurrió con la imagen y con el sonido. Primero aprendimos a captarlos, después a convertirlos en datos y más tarde pudimos almacenarlos, transmitirlos, analizarlos y hacer que las máquinas tomaran decisiones a partir de ellos.
Quizá el olor esté comenzando ahora ese mismo viaje y, si es así, la verdadera revolución no será que las máquinas puedan oler como nosotros, será que empiecen a percibir una parte del mundo que, hasta ahora, prácticamente no existía para ellas.
Referencias
- Colado García, S. (2021). Multiversos digitales: La tecnología como palanca evolutiva. Universo de Letras. ISBN 978-84-18854-66-8.
- Colado García, S. (2020). Influencia de la tecnología en el desarrollo del pensamiento y conducta humana. Autoedición.
- Dennler, N., et al. (2024). High-speed odor sensing using miniaturized electronic nose. Science Advances, 10(45), eadp1764. https://doi.org/10.1126/sciadv.adp1764
- Dikeçligil, G. N., & Gottfried, J. A. (2024). What does the human olfactory system do, and how does it do it? Annual Review of Psychology, 75, 155–181. https://doi.org/10.1146/annurev-psych-042023-101155
- Fukui, C., et al. (2025). Advanced bio-hybrid drone for superior odor-source localization. npj Robotics, 3, 4. https://doi.org/10.1038/s44182-025-00020-9
- Kehl, M. S., et al. (2024). Single-neuron representations of odours in the human brain. Nature, 634, 626–634. https://doi.org/10.1038/s41586-024-08016-5
- Lee, B. K., et al. (2023). A principal odor map unifies diverse tasks in olfactory perception. Science, 381(6661), 999–1006. https://doi.org/10.1126/science.ade4401
- Persaud, K., & Dodd, G. (1982). Analysis of discrimination mechanisms in the mammalian olfactory system using a model nose. Nature, 299, 352–355. https://doi.org/10.1038/299352a0
- Steenhuis, E. G. M., et al. (2025). The electronic nose in lung cancer diagnostics: A systematic review and meta-analysis. ERJ Open Research, 11(3), 00723-2024. https://doi.org/10.1183/23120541.00723-2024
- Wang, C., et al. (2024). Biomimetic olfactory chips based on large-scale monolithically integrated nanotube sensor arrays. Nature Electronics, 7, 157–167. https://doi.org/10.1038/s41928-023-01107-7
- Zhang, W., Tang, W., Wan, Z., & Fan, Z. (2026). Advanced electronic noses for future robotic olfaction. npj Robotics, 4, 11. https://doi.org/10.1038/s44182-025-00071-y