Учёные придумали, как с помощью ИИ улучшить вкус пива, особенно безалкогольного

Изготовление вкусного пива – сложная задача. Крупные пивоварни используют сотни обученных дегустаторов для тестирования новой продукции. Но проведение таких дегустаций обходится недёшево, а восприятие вкуса весьма субъективно. Исследование журнала Nature Communications показало, что новые модели ИИ могут не только предсказать, как потребители оценят вкус пенного напитка, но и посоветовать пивоварам, какие компоненты следует добавить для повышения популярности пива.

Ноутбуки HONOR MagicBook: технологии, дизайн и производительность для любых задач

Обзор видеокарты Acer Nitro Intel Arc B580 OC

Компьютер месяца — сентябрь 2025 года

Обзор планшета HUAWEI MatePad 11,5'' (2025): апгрейд без бликов

Шестиядерники за 10 тысяч рублей — сравнение и тесты

В чем уникальность зум-камеры HUAWEI Pura 80 Ultra?

Обзор смартфона HUAWEI Pura 80 Pro: разумный флагман с мощнейшей камерой

Обзор ноутбука HONOR MagicBook Pro 16 HUNTER 2025. Для игр? Для работы? Для игр и работы!

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».

Источник изображения: Pixabay

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.