Pour les non-connaisseurs, choisir une bouteille de vin peut s’avérer difficile lorsqu’il s’agit de scanner une série d’étiquettes inconnues sur les étagères d’un magasin. Ca a quel goût? Quel est le dernier que j’ai acheté et qui avait si bon goût ?
Ici, des applications viticoles comme Vivino, Hi there Vino, Wine Searcher et bien d’autres peuvent vous aider. Des purposes comme celles-ci permettent aux acheteurs de vin de scanner les étiquettes des bouteilles, d’obtenir des informations sur un vin particulier et de lire les critiques des autres. Ces apps s’appuient sur des algorithmes artificiellement intelligents.
Aujourd’hui, des scientifiques de l’Université strategy du Danemark (DTU), de l’Université de Copenhague et de Caltech ont montré qu’il est attainable d’ajouter un nouveau paramètre aux algorithmes qui facilite la recherche d’une correspondance précise pour vos propres papilles gustatives : à savoir les impressions des gens. de saveur.
« Nous avons démontré qu’en alimentant un algorithme avec des données constituées d’impressions gustatives des gens, l’algorithme peut faire des prédictions additionally précises du variety de vin que nous préférons individuellement », explique Thoranna Bender, une étudiante diplômée du DTU qui a mené l’étude dans le cadre du projet. sous les auspices du Pioneer Middle for AI de l’Université de Copenhague.
Des prédictions furthermore précises des vins préférés des gens
Les chercheurs ont organisé des dégustations de vins au cours desquelles 256 individuals ont été invités à disposer des tasses de différents vins sur une feuille de papier A3 en fonction des vins qui, selon eux, avaient le goût le as well as similaire. Furthermore la distance entre les tasses est grande, plus la différence de saveur est grande. La méthode est largement utilisée dans les checks consommateurs. Les chercheurs ont ensuite numérisé les details présents sur les feuilles de papier en les photographiant.
Les données collectées lors des dégustations de vins ont ensuite été combinées avec des centaines de milliers d’étiquettes de vins et d’avis d’utilisateurs fournis aux chercheurs par Vivino, une software et un marché mondial du vin. Ensuite, les chercheurs ont développé un algorithme basé sur l’énorme ensemble de données.
« La dimension de saveur que nous avons créée dans le modèle nous fournit des informations sur les vins qui ont un goût similaire et ceux qui ne le sont pas. Ainsi, par exemple, je peux me tenir debout devant ma bouteille de vin préférée et dire : j’aimerais savoir lequel le vin lui ressemble le as well as en termes de goût – ou les deux en termes de goût et de prix », explique Thoranna Bender.
Le professeur et co-auteur Serge Belongie du Département d’informatique, qui dirige le Pioneer Heart for AI à l’Université de Copenhague, ajoute :
« Nous pouvons voir que lorsque l’algorithme merge les données des étiquettes et des critiques de vins avec les données des dégustations de vin, il fait des prédictions plus précises sur les préférences des gens en matière de vin que lorsqu’il utilise uniquement les kinds de données traditionnels sous forme d’images et de texte. Ainsi, apprendre aux equipment à utiliser les expériences sensorielles humaines aboutit à de meilleurs algorithmes qui profitent à l’utilisateur.
Peut également être utilisé pour la bière et le café
Selon Serge Belongie, il existe une tendance croissante en apprentissage automatique à utiliser des données dites multimodales, qui dependable généralement en une combinaison d’images, de texte et de son. Utiliser le goût ou d’autres entrées sensorielles comme resources de données est entièrement nouveau. Et cela présente un grand potentiel, par exemple dans le secteur alimentaire. Belongie déclare :
« Comprendre le goût est un element clé de la science alimentaire et essentiel pour parvenir à une manufacturing alimentaire saine et strong. Mais l’utilisation de l’IA dans ce contexte en est encore à ses balbutiements. Ce projet montre la puissance de l’utilisation des apports humains dans l’intelligence artificielle, et je prédis que les résultats stimuleront davantage de recherches à l’intersection de la science alimentaire et de l’IA. »
Thoranna Bender souligne que la méthode des chercheurs peut également être facilement transposée à d’autres types d’aliments et de boissons :
« Nous avons choisi le vin comme cas, mais la même méthode peut tout aussi bien s’appliquer à la bière et au café. Par exemple, cette approche peut être utilisée pour recommander des produits et peut-être même des recettes de delicacies aux gens. Et si nous pouvons mieux comprendre » En raison des similitudes gustatives des aliments, nous pouvons également l’utiliser dans le secteur de la santé pour composer des repas qui répondent aux goûts et aux besoins nutritionnels des patients. Il pourrait même être utilisé pour développer des aliments adaptés à différents profils gustatifs. «
Les chercheurs ont publié leurs données sur un serveur ouvert et peuvent être utilisées gratuitement.
« Nous espérons que quelqu’un voudra s’appuyer sur nos données. J’ai déjà répondu à des demandes de personnes souhaitant inclure des données supplémentaires dans notre ensemble de données. Je pense que c’est vraiment neat », conclut Thoranna Bender.
