Исследователи решили использовать нейросеть, чтобы помочь производителям разрабатывать новые продукты питания и напитки или корректировать существующие рецепты для лучшего соответствия вкусам потребителей. Использование ИИ обещало сэкономить существенное количество времени и денег на проведение испытаний. Требовалось создать набор данных для обучения ИИ, который объективно отражал бы общую оценку вкуса, включая ноты хмеля, дрожжей и солода, внешний вид пива, его аромат и общее качество напитка.
Исследователям понадобилось пять лет и химический анализ 250 коммерческих сортов бельгийского пива, чтобы должным образом обучить нейросеть. Исследователи объединили эти анализы с субъективными оценками от квалифицированной дегустационной комиссии и добавили результаты из 180 000 обзоров тех же сортов пива на популярной онлайн-платформе RateBeer. Этот большой набор данных, который связывает химические данные с сенсорными характеристиками, использовался для обучения 10 моделей ИИ, чтобы научить их точно предсказывать вкус, запах и ощущение пива, а также вероятность того, что потребитель поставит ему высокую оценку.
Чтобы сравнить модели, исследователи разделили данные на обучающий набор и тестовый набор. После того как модель была обучена на данных из обучающего набора, они оценивали её способность прогнозировать оценку пива при помощи тестового набора. В результате был сделан вывод, что все модели лучше, чем подготовленная группа экспертов-людей, предсказывали рейтинг пива, полученный от RateBeer.
С помощью этих моделей исследователи смогли определить конкретные соединения, которые способствуют повышению потребительской оценки пива: люди с большей вероятностью высоко оценили пиво, если оно содержало эти конкретные соединения. Например, модели предсказывали, что добавление молочной кислоты, которая присутствует в кислом пиве с терпким вкусом, может улучшить другие сорта пива, сделав их более свежими.
«Мы попросили модели проанализировать пиво, а затем спросили их, как мы можем сделать его лучше? — говорит профессор Левенского университета Кевин Верстрепен (Kevin Verstrepen). — Затем мы внесли [предложенные ИИ] изменения в пиво, добавив вкусоароматические соединения. И о чудо — как только мы провели слепую дегустацию, пиво улучшилось и стало более популярным».
По его словам, одно из интересных применений этого исследования заключается в том, что его можно использовать для производства более качественного безалкогольного пива, что является серьёзной проблемой для индустрии напитков. Исследователи использовали предсказания модели, чтобы добавить смесь соединений в безалкогольное пиво, которое дегустаторы-люди оценили значительно выше, чем его предыдущее воплощение.
По словам профессора пищевых наук Кэролин Росс (Carolyn Ross), не принимавшей участия в исследовании, использование ИИ может оказаться чрезвычайно полезным при изучении состава и питательности пищевых продуктов, а также адаптации ингредиентов к различным группам населения. Например, по её словам, пожилые люди находят сложные комбинации ингредиентов менее привлекательными. «Мы получаем возможность так много всего исследовать, особенно когда мы изучаем разные группы населения и пытаемся разработать для них конкретные продукты», — считает она.