Изследователи обучиха алгоритъм да "опитва" и разпознава вкуса на вино, съобщи електронното издание EurekAlert.
За незапознатите изборът на бутилка вино може да бъде предизвикателство, когато разглеждат многобройните етикети на рафта в магазина. Какъв е вкусът му? Кое беше последното вино, което купих и което беше много добро?
Има доста приложения за вино, които могат да се притекат на помощ. Те позволяват на купувачите да сканират етикетите на бутилките и да получат информация за конкретната напитка, както и да прочетат мнения на потребители. Тези приложения се основават на алгоритъм за изкуствен интелект.
Учени от Техническия университет на Дания, Копенхагенския университет и Калифорнийския технологичен институт показаха, че може да се добави нов параметър към алгоритмите, който да улесни намирането на точното съответствие с вкусови рецептори, пише БТА. "Доказахме, че когато подадем на алгоритъм данни, състоящи се от вкусовите впечатления на хората, той може да направи по-точни прогнози за това какво вино предпочитаме индивидуално", казва Торанна Бендер, дипломант в Техническия унивреститет на Дания.
Изследователите провеждат дегустации на вина, по време на които 256 участници са помолени да подредят малки чаши с различни вина върху лист хартия А3 в зависимост от това кои според тях имат най-близък вкус. Колкото по-голямо е разстоянието между чашите, толкова по-голяма е разликата във вкуса им. Методът е широко използван при потребителските тестове. След това изследователите дигитализират точките върху листовете хартия и ги фотографират.
Данните, събрани от дегустациите, са комбинирани със стотици хиляди етикети на вина и потребителски мнения, предоставени от глобално приложение за вино. След това изследователите разработват алгоритъм на базата на на огромния набор от информация.
"Измерението на вкуса, което създадохме в модела, ни предоставя информация за това кои вина си приличат по вкус и кои - не. Така например мога да застана с любимата си бутилка вино и да кажа: Бих искала да знам кое вино най-много прилича на нея по вкус - или и по вкус, и по цена", казва Торана Бендер.
"Виждаме, че когато алгоритъмът комбинира данните от етикетите и рецензиите за вино с такива от дегустациите, той прави по-точни прогнози за предпочитанията на хората, отколкото когато използва само традиционните видове сведения под формата на изображения и текст. Така че, научаването на машините да използват човешкия сетивен опит води до по-добри алгоритми, които са от полза за потребителя", е мнението на проф. Серж Белонжи, който е съавтор на изследването. Той е начело на Катедрата по компютърни науки в Копенхагенския университет.
Според него при машинното обучение се наблюдава нарастваща тенденция за използване на т. нар. мултимодални данни, които обикновено се състоят от комбинация от изображения, текст и звук. Въвеждането на вкусови или други сетивни данни като източници на информация е напълно ново. Той вижда голям потенциал - например в хранителния сектор.
"Разбирането на вкуса е ключов аспект на науката за храните и е от съществено значение за постигане на здравословно и устойчиво производство на храни”, обяснява Белонжи. Той обяснява, че използването на изкуствен интелект в този контекст все още е в много начален етап. "Проектът ни показва силата на използването на човешки входни данни в изкуствения интелект и прогнозирам, че резултатите ще дадат тласък на повече изследвания в пресечната точка на науката за храните и изкуствения интелект", допълва той.
"Избрахме виното за пример, но същият метод може да се приложи и за бирата и кафето. Например подходът може да се използва за препоръчване на продукти и може би дори на рецепти за храна на хората", казва Торанна Бендер.
Учените се надяват, че ако успеят да разберат по-добре вкусовите прилики в храните, могат да го използваме и в сектора на здравеопазването, за да съставяме ястия, които отговарят на вкусовете и хранителните нужди на пациентите. "Може дори да се използва и за разработване на храни, съобразени с различни вкусови профили", казва Бендер.
Изследователите са публикували данните си на отворен сървър и могат да бъдат използвани безплатно.
Изследването е достъпно в arXiv.
