Solche Modelle könnten Lebensmittel- und Getränkeherstellern dabei helfen, neue Produkte zu entwickeln oder bestehende Rezepte besser an den Geschmack der Verbraucher anzupassen, was dazu beitragen könnte, viel Zeit und Geld zu sparen, die für die Durchführung von Versuchen aufgewendet worden wären.
Um ihre KI-Modelle zu trainieren, haben die Forscher fünf Jahre lang 250 kommerzielle Biere chemisch analysiert und dabei die chemischen Eigenschaften und Geschmacksstoffe jedes Biers gemessen – die bestimmen, wie es schmeckt.
Die Forscher kombinierten diese detaillierten Analysen dann mit den Bewertungen der Biere durch ein geschultes Verkostungsgremium – einschließlich Hopfen-, Hefe- und Malzaromen – und 180.000 Bewertungen derselben Biere, die von der beliebten Online-Plattform RateBeer stammten, und ermittelten Bewertungen für den Geschmack und das Aussehen der Biere , Aroma und Gesamtqualität.
Dieser große Datensatz, der chemische Daten mit sensorischen Merkmalen verknüpft, wurde verwendet, um zehn Modelle für maschinelles Lernen zu trainieren, um den Geschmack, den Geruch und das Mundgefühl eines Bieres genau vorherzusagen und zu ermitteln, wie wahrscheinlich es ist, dass ein Verbraucher es hoch bewertet.