Искусственный интеллект применят для улучшения вкуса пива

Изображение: Цитата из х∕ф «Кавказская пленница, или Новые приключения Шурика». Реж. Леонид Гайдай. 1967. СССР
«Пиво»
«Пиво»

Новый подход к машинному обучению, позволяющий создавать новые вкусы алкогольного и безалкогольного бельгийского пива, чтобы улучшить оценку потребителей и оптимизировать производственный процесс, намерены разработать бельгийские ученые. Об этом 29 марта сообщает AGI.

Именно такая цель указана в исследовании, опубликованном в журнале Nature Communications учеными из Левенского университета в Бельгии.

Команда под руководством Кевина Верстрепена выявила и каталогизировала более 200 химических свойств 250 коммерческих сортов бельгийского пива, разделенных на 22 типа. Далее эта информация была объединена с данными описательного сенсорного профиля, собранными группой из 16 человек, обученных правилам дегустации, и дополнена записями из онлайн-базы данных RateBeer, которая содержит более 180 000 обзоров пива.

В рамках эксперимента авторы обучили модель искусственного интеллекта прогнозировать вкус и уровень потребительской оценки, исходя из химического профиля напитка. Понять, будет ли продукт оценен положительно, объясняют эксперты, очень сложно, но обученная таким образом нейросеть могла бы существенно повысить экономическую эффективность производства пива.

Ученые проверили эффективность своей модели машинного обучения для модификации существующих алкогольных и безалкогольных коммерческих сортов пива. Результаты на основе рекомендаций искусственного интеллекта показали более высокую общую оценку среди квалифицированных участников дегустаций.

Авторы исследования предполагают, что инструмент может помочь улучшить контроль качества и разработку рецептур пива; кроме того, они предполагают, что его также можно использовать и для других продуктов питания, чтобы повысить эффективность производства и удовлетворить конкретные запросы потребителей.

В настоящее время, отмечают ученые, результаты по-прежнему ограничены основными сортами бельгийского пива, поэтому, возможно, потребуется обучить модель на большем количестве образцов, чтобы оптимизировать результаты.

На следующих шагах, заключают авторы, будет интересно принять во внимание влияние конкретных факторов, связанных с уровнем вкусовых симпатий к разным сортам пива, например, таких как демографическая, личная и культурная информация потребителей.