Na sve duljem popisu poslova koje bi umjetna inteligencija u dogledno vrijeme mogla preuzeti naći će se, čini se, i jedan koji nismo baš očekivali.

Naime, novi modeli mogu točno identificirati ne samo koliko će visoku ocjenu potrošači dati određenom belgijskom pivu, već i koje bi vrste spojeva pivari trebali dodati kako bi pivo imalo bolji okus.

Rezultati istraživanja objavljeni su u časopisu Nature Communications.

Ovakvi modeli mogli bi pomoći proizvođačima hrane i pića u razvoju novih proizvoda ili prilagođavanju postojećih recepata, što bi moglo uštedjeti puno vremena i novca koji bi inače bili utrošeni na probna testiranja.

Kako bi uvježbali modele, istraživači su proveli pet godina kemijski analizirajući 250 komercijalnih piva, mjereći kemijska svojstva i spojeve okusa koji određuju kakav će biti okus.

Potom su kombinirali rezultate tih analiza s procjenama piva obučenog kušačkog odbora - uključujući okuse hmelja, kvasca i slada - i 180 tisuća recenzija istih piva preuzetih s platforme RateBeer, uzorkovanjem rezultata za okus, izgled piva , aromu i ukupnu kvalitetu.

Ovaj veliki skup podataka, koji povezuje kemijske podatke sa senzornim značajkama, korišten je za obuku 10 modela strojnog učenja za točno predviđanje okusa, mirisa i osjeta u ustima piva te koliko je vjerojatno da će ga potrošač visoko ocijeniti.

Trik je u - spojevima

Kako bi usporedili modele, podijelili su podatke u skup za obuku i skup za testiranje. Nakon što je model obučen na podacima unutar skupa za treniranje, procijenili su njegovu sposobnost predviđanja testnog skupa.

Istraživači su otkrili kako su svi modeli bili bolji od obučenog panela ljudskih stručnjaka u predviđanju ocjene koju je pivo dobilo od RateBeera.
Također, pomoću ovih modela istraživači su uspjeli odrediti specifične spojeve koji pridonose potrošačkom uvažavanju piva.

Pokazalo se kako je vjerojatnije da će ljudi visoko ocijeniti pivo ako je sadržavalo te specifične spojeve. 

Na primjer, modeli su predvidjeli da bi dodavanje mliječne kiseline, koja je prisutna u kiselim pivima trpkog okusa, moglo poboljšati druge vrste piva čineći ih svježijim.

Osim standardnog, ova metoda može biti korištena za poboljšavanje okusa bezalkoholnog piva. Istraživanje je pokrilo i taj aspekt, s obećavajućim rezultatima.

Ova vrsta strojnog učenja također bi mogla biti iznimno korisna u istraživanju teksture i nutritivne vrijednosti hrane i prilagođavanju sastojaka različitim populacijama, poput primjerice starijih ljudi.