Дослідники з Бельгії використовують штучний інтелект для покращення смаку, але кажуть, що майстерність пивовара залишається життєво важливою
Анотація
Сприйняття та оцінка смаку їжі залежить від багатьох взаємодіючих хімічних сполук і зовнішніх факторів, тому зрозуміти та передбачити це складно. Тут ми поєднуємо обширні хімічні та сенсорні аналізи 250 різних сортів пива, щоб навчити моделі машинного навчання, які дозволяють передбачити смак і оцінку споживачів. Для кожного пива ми вимірюємо понад 200 хімічних властивостей, виконуємо кількісний описовий сенсорний аналіз за допомогою навченої дегустаційної групи та картографуємо дані з понад 180 000 відгуків споживачів, щоб навчити 10 різних моделей машинного навчання. Найефективніший алгоритм, Gradient Boosting, дає моделі, які значно перевершують прогнози, засновані на звичайних статистичних даних, і точно передбачають складні характеристики їжі та оцінку споживачів на основі хімічних профілів. Аналіз моделі дозволяє ідентифікувати специфічні та несподівані сполуки, що впливають на смак і оцінку пива. Додавання цих сполук призводить до варіантів комерційного алкогольного та безалкогольного пива з покращеною оцінкою споживачів. Разом наше дослідження показує, як великі дані та машинне навчання розкривають складні зв’язки між харчовою хімією, смаком і сприйняттям споживачів, і закладає основу для розробки нових, спеціально розроблених продуктів харчування з чудовими смаками.
Незалежно від того, віддаєте ви перевагу фруктовому ламбіку чи складному траппісту, бельгійське пиво вже давно славиться своєю різноманітністю, якістю та традиційністю. Тепер дослідники кажуть, що вони використали силу штучного інтелекту, щоб зробити варення ще кращими.
Професор Кевін Верстрепен з університету KU Leuven, який керував дослідженням, сказав, що штучний інтелект може допомогти розібратися в складних взаємозв’язках, пов’язаних із сприйняттям аромату людиною.
«Пиво, як і більшість харчових продуктів, містить сотні різних ароматичних молекул, які вловлюються нашим язиком і носом, а потім наш мозок об’єднує їх в одну картинку. Однак сполуки взаємодіють одна з одною, тому те, як ми сприймаємо одну, також залежить від концентрації інших», — сказав він.
Пишучи в журналі Nature Communications, Верстрепен і його колеги повідомляють, як вони проаналізували хімічний склад 250 комерційних бельгійських сортів пива 22 різних стилів, включаючи лагери, фруктове пиво, блондини, елі Західної Фландрії та безалкогольні сорти пива.
Серед досліджуваних властивостей були вміст алкоголю, рН, концентрація цукру, а також присутність і концентрація понад 200 різних сполук, залучених до аромату, таких як складні ефіри, що виробляються дріжджами, і терпеноїди з хмелю, обидва з яких беруть участь у створенні фруктових нот.
Рис. 1: Кореляції між вибраними хімічними параметрами (верхня права панель) і сенсорними дескрипторами, які використовуються дегустаційною панеллю (нижня ліва панель).
![](https://top-ai.com.ua/wp-content/uploads/2024/03/41467_2024_46346_fig1_html.webp)
Показано співвідношення рангів Спірмена. Дескриптори згруповані відповідно до їх походження (солод (синій), хміль (зелений), дріжджі (червоний), дика флора (жовтий), інші (чорний)) і сенсорний аспект (аромат, смак, смак і загальна оцінка). Будь ласка, зверніть увагу, що для хімічних сполук, для ясності, показано лише частину загальної кількості виміряних сполук, з наголосом на ключових сполуках для кожного джерела. Для отримання додаткової інформації див. основний текст і розділ «Методи». Хімічні дані можна знайти в Додаткових даних 1 , кореляції між усіма хімічними сполуками зображені на Додатковому малюнку S2 , а значення кореляції можна знайти в Додаткових даних 2 . Див. Додаткові дані 4 для оцінки сенсорної панелі та Додаткові дані 5 для значень кореляції між усіма сенсорними дескрипторами.
Дегустаційна комісія з 16 учасників відібрала та оцінила кожне з 250 сортів пива за 50 різними характеристиками, такими як смак хмелю, солодкість і кислотність – процес тривав три роки.
Рис. 2: Попарна кореляція рангу Спірмена між хімічними даними та сенсорними даними від навченої панелі.
![](https://top-ai.com.ua/wp-content/uploads/2024/03/41467_2024_46346_fig2_html.webp)
Кольори карти тепла вказують на Ро Спірмена. Осі організовано відповідно до сенсорних категорій (аромат, смак, відчуття в роті, загальне), хімічних категорій та хімічних джерел у пиві (солод (синій), хміль (зелений), дріжджі (червоний), дика флора (жовтий), інші (чорні) ). Див. Додаткові дані 6 для всіх значень кореляції.
Дослідники також зібрали 180 000 відгуків про різні сорти пива з онлайн-платформи споживчих відгуків RateBeer, виявивши, що хоча оцінка сортів пива була упереджена такими характеристиками, як ціна, тобто вони відрізнялися від оцінок дегустаційної комісії, рейтинги та коментарі, що стосувалися інших характеристик, таких як як гіркота, солодкість, алкоголь і солодовий аромат – вони добре корелювали з тими, що були в дегустаційній панелі.
«Невеликі зміни в концентраціях хімічних речовин можуть мати великий вплив, особливо коли починають змінюватися кілька компонентів», — сказав Верстрепен, додавши, що несподіванкою було те, що деякі речовини, які традиційно відомі як «вимкнення», можуть бути позитивними, якщо вони присутні в менших концентраціях. і виникають у поєднанні з іншими ароматичними сполуками.
Використовуючи різні набори даних, команда побудувала моделі на основі машинного навчання – різновиду штучного інтелекту – щоб передбачити смак пива та його оцінку на основі його складу.
Потім вони використали результати для покращення існуючого комерційного пива, по суті, додавши в нього речовини, які моделі позначили як важливі провісники загальної оцінки, наприклад молочну кислоту та гліцерин.
Рис. 4: Найважливіші хімічні параметри.
![](https://top-ai.com.ua/wp-content/uploads/2024/03/41467_2024_46346_fig3_html.webp)
A Важливість ознаки на основі домішок (середнє відхилення в домішках, MDI), розраховане на основі моделі градієнтної регресії (GBR), яка передбачає оцінки оцінки RateBeer. Показано 15 найвищих хімічних властивостей. Підсумковий графік B SHAP для 15 основних параметрів, що сприяють нашій моделі GBR. Кожна точка на графіку представляє вибірку з нашого набору даних. Колір представляє концентрацію цього параметра, синіші кольори представляють низькі значення, а червоніші кольори представляють вищі значення. Більші абсолютні значення на горизонтальній осі вказують на більший вплив параметра на прогноз моделі. C Кореляції Спірмена між 15 найважливішими хімічними властивостями та загальною оцінкою споживачів. Числа вказують на коефіцієнт кореляції Спірмена Ро та ранг цієї кореляції порівняно з усіма іншими кореляціями. 15 найкращих важливих сполук були визначені за допомогою SHAP (панель B).
Результати дегустаційної комісії показали, що доповнення покращили оцінки як алкогольного, так і безалкогольного пива за такими показниками, як солодкість, вміст і загальна оцінка.
Хоча моделі мають обмеження, зокрема те, що вони були розроблені лише з використанням наборів даних, заснованих на високоякісному комерційному пиві, Верстрепен сказав, що їх найбільше застосування може полягати в налаштуванні безалкогольного пива, щоб зробити його кращим.
Але любителям пива не варто хвилюватися, що нові технології можуть порушити багату спадщину, і Верстрепен зазначив, що майстерність пивоварів залишається життєво важливою.
Рис. 5: Перевірка моделі за допомогою пива, доповненого найкращими прогнозованими хімічними сполуками.
![](https://top-ai.com.ua/wp-content/uploads/2024/03/41467_2024_46346_fig5_html.webp)
Додавання найкращих хімічних сполук, визначених нашою моделлю як найкращі показники оцінки, до погано оцінених сортів пива призводить до підвищення оцінки нашої навченої групи. Результати сенсорних тестів між базовим пивом і пивом, доданим сполуками, визначені моделлю як найкращі предиктори. Світле та безалкогольне/слабкоалкогольне (0,0% ABV) базове пиво було доведено до 95-го процентиля нормалізованих концентрацій етанолу в кожному стилі. B Для кожного сенсорного атрибута дегустатори вказали більш інтенсивний зразок і вибрали зразок, якому вони віддають перевагу. Цифри над смужками відповідають значенням p , які вказують на значні зміни сприйманого смаку (двосторонній біноміальний тест: альфа 0,05, n = 20 або 13).
«Моделі штучного інтелекту передбачають хімічні зміни, які можуть оптимізувати пиво, але це все ще залежить від пивоварів, починаючи з рецепту та методів пивоваріння», — сказав він.