AI pokonuje ludzkich ekspertów w odróżnianiu amerykańskiej whisky od szkockiej

Zdjęcie: Jane Barlow/PA Images/Alamy

Sztuczna inteligencja może odróżnić szkocką whisky od amerykańskiej i zidentyfikować najmocniejsze tworzące je aromaty z większą niezawodnością niż ludzcy eksperci – używając danych, a nie smakując napoje. Andreas Grasskamp z Fraunhofer Institute for Process Engineering and Packaging IVV w Niemczech i jego koledzy wytrenowali algorytm przewidywania zapachów molekularnych AI o nazwie OWSum na opisach różnych whisky. 

Następnie w badaniu obejmującym 16 próbek – dziewięć rodzajów szkockiej whisky i siedem rodzajów amerykańskiego bourbona lub whisky – zadaniem OWSum było rozróżnienie alkoholu z obu krajów na podstawie słów kluczowych opisujących ich smaki, takie jak kwiatowy, owocowy, drzewny lub dymny. Korzystając tylko z nich, sztuczna inteligencja była w stanie określić pochodzenie alkoholu z prawie 94-procentową dokładnością.

Ponieważ o złożonym aromacie tych trunków decyduje brak lub obecność wielu związków chemicznych, badacze dostarczyli również sztucznej inteligencji referencyjny zestaw danych 390 cząsteczek powszechnie występujących w whisky. Kiedy przekazali sztucznej inteligencji dane z chromatografii gazowej i spektrometrii masowej pokazujące, które cząsteczki były obecne w próbkach alkoholi, zwiększyło to zdolność OWSum do rozróżniania amerykańskich i szkockich alkoholi do 100 procent. Związki takie jak mentol i cytronellol były oczywistą wskazówką amerykańskiej whisky, podczas gdy obecność dekanianu metylu i kwasu heptanowego wskazywała na szkocką. 

Badacze przetestowali zarówno OWSum jak i sieć neuronową pod kątem ich zdolności przewidywania pięciu najważniejszych słów kluczowych opisujących zapach na podstawie chemicznego składu whisky. W skali od 1 dla perfekcyjnej dokładności do 0 dla stałej niedokładności, OWSum osiągnęło 0,72. Sieć neuronowa osiągnęła 0,78, a ludzcy eksperci od whisky biorący udział w badaniu osiągnęli tylko 0,57.

„Badania podkreślają fakt, że jest to skomplikowane zadanie dla ludzi, ale także dla maszyn – ale maszyny są bardziej spójne niż ludzie” – mówi Satnam Singh, członek zespołu we Fraunhofer Institute. „Ale nie znaczy to, że ludzie nie są potrzebni: potrzebujemy ich do trenowania naszych maszyn, przynajmniej na razie”. Żaden model nie bierze pod uwagę stężenia cząsteczek, a jedynie ich brak lub obecność, co naukowcy mają nadzieję poprawić i co może zapewnić jeszcze większą dokładność. Grasskamp twierdzi, że takie narzędzia AI mogłyby być wykorzystywane do kontroli jakości w destylarniach lub do pomocy w opracowywaniu nowych whisky, a także do wykrywania oszustw. Ale mogą być także używane do „wszystkiego, co pachnie”, na przykład w produkcji żywności i napojów lub w przemyśle chemicznym.