Hvis man ikke ligefrem er vin-connaisseur kan det være en udfordring at ramme rigtigt, når man står foran butikshylderne med de gærede druer og skal vælge. Men nu har forskere fra DTU, Københavns Universitet og Caltech vist, at man kan tilføje et nyt, utraditionelt parameter til kunstig intelæligens, der gør det nemmere at finde et præcist match til ens egne smagsløg: Nemlig folks smagsindtryk.
– Vi har her demonstreret, at ved at fodre en algoritme med data bestående af menneskers smagsindtryk kan algoritmen lave mere præcise forudsigelser af, hvilken slags vin, vi hver især foretrækker, siger Thoranna Bender. Hun er til daglig er kandidatstuderende ved DTU og har lavet studiet.
Forskerne har afholdt vinsmagninger. Her er i alt 256 deltagere blevet bedt om at arrangere krus med forskellige vine på et stykke A3-papir ud fra, hvilke vine de synes minder mest om hinanden i smag. Jo større afstand mellem krusene, jo større forskellighed i smag. Det er en metode, som er udbredt i forbrugertests. Forskerne digitaliserede dernæst punkterne på papirarkene ved at affotografere dem.
De indsamlede data fra vinsmagningerne er så blevet kombineret med hundredtusindvis af vinetiketter og anmeldelser. Dernæst har de udviklet en algoritme, som bygger på det kæmpemæssige datasæt.
Under vinsmagningerne var hver af de anonymiserede vine mærket med en farve og et nummer. – Denne her smagsdimension, vi har skabt i modellen, giver os information om hvilke vine, der ligner hinanden i smag, og hvilke der ikke gør. Så jeg kan for eksempel stå med en flaske vin, som er min favoritvin, og sige: Jeg vil gerne vide, hvilken vin der minder mest om den i smag – eller både i smag og pris, siger Thoranna Bender.
Kan også bruges på øl og kaffe At bruge smag eller andre sensoriske input som datakilder er helt nyt. Og det har et stort potentiale – naturligvis oplagt inden for fødevareområdet. Metoden, som forskerne her har demonstreret, kan nemlig også sagtens overføres til andre slags mad og drikke.
– Vi har valgt vin som case, men samme metode kan lige så vel anvendes på øl og kaffe. Tilgangen kan for eksempel bruges til at anbefale produkter og måske også madopskrifter til folk. Hvis vi kender de smagsmæssige ligheder i mad bedre, kan vi også bruge det i sundhedssektoren til at sætte måltider sammen, der både rammer rigtigt på smag og næring hos patienterne. Måske kan det endda bruges til at udvikle fødevareprodukter, der er skræddersyet til forskellige smagsprofiler, siger Thoranna Bender.
Fakta om studiet Forskernes datasæt er tilgængelig på projektets hjemmeside . Den videnskabelige artikel om projektet er optaget på konferencen NeurIPS 2023 og bygger på Thoranna Benders speciale, som hun har skrevet under tilknytning til Pioneer Centre for AI på Københavns Universitet.Forfatterne bag er: Thoranna Bender, Simon Moe Sørensen, Grethe Hyldig, Søren Hauberg og Frederik Warburg fra DTU. Alireza Kashani fra Vivino; K. Eldjarn Hjorleifsson fra California Institute of Technology samt Serge Belongie fra Københavns Universitet. Projektet er lavet i samarbejde med firmaet Vivino . Forskningen er støttet af Danish Data Science Academy (DDSA) og Pioneer Centre for AI .