Dit soort modellen kunnen producenten van voedingsmiddelen en dranken helpen nieuwe producten te ontwikkelen of bestaande recepten aan te passen om beter aan te sluiten bij de smaak van de consument, wat zou kunnen helpen veel tijd en geld te besparen die anders in proeftests zou worden geïnvesteerd.
Om hun AI-modellen te trainen, hebben de onderzoekers vijf jaar lang 250 commerciële bieren chemisch geanalyseerd, waarbij ze de chemische eigenschappen en aromastoffen van elk bier hebben gemeten – die de smaak bepalen.
De onderzoekers combineerden deze gedetailleerde analyses vervolgens met de beoordelingen van een getraind panel van bierproevers – inclusief hop-, gist- en moutaroma’s – en 180.000 beoordelingen van dezelfde bieren afkomstig van het populaire internetplatform RateBeer, waarbij de resultaten werden bemonsterd op smaak, uiterlijk van de bier. , geur en algehele kwaliteit.
Deze grote dataset, die chemische gegevens koppelt aan sensorische kenmerken, werd gebruikt om 10 machine learning-modellen te trainen om nauwkeurig de smaak, het aroma en het mondgevoel van een bier te voorspellen en de waarschijnlijkheid dat het door de consument hoog zal worden gewaardeerd.