Ces types de modèles pourraient aider les fabricants d’aliments et de boissons à développer de nouveaux produits ou à modifier les recettes existantes pour mieux répondre aux goûts des consommateurs, ce qui pourrait permettre d’économiser beaucoup de temps et d’argent qui auraient été consacrés à la réalisation d’essais.
Pour entraîner leurs modèles d’IA, les chercheurs ont passé cinq ans à analyser chimiquement 250 modèles commerciaux. bièresmesurant les propriétés chimiques et les composés aromatiques de chaque bière, qui dictent son goût.
Les chercheurs ont ensuite combiné ces analyses détaillées avec les évaluations des bières par un panel de dégustateurs qualifiés (y compris les arômes de houblon, de levure et de malt) et 180 000 critiques des mêmes bières tirées de la populaire plateforme en ligne RateBeer, en échantillonnant des scores pour le goût, l’apparence des bières. , l’arôme et la qualité globale.
Ce vaste ensemble de données, qui relie les données chimiques aux caractéristiques sensorielles, a été utilisé pour entraîner 10 modèles d’apprentissage automatique afin de prédire avec précision le goût, l’odeur et la sensation en bouche d’une bière, ainsi que la probabilité qu’un consommateur lui accorde une note élevée.