Istraživači s Fraunhofer instituta za procesno inženjerstvo i pakiranje u Freisingu u Njemačkoj razvili su sustav koji može dekodirati složene mirisne profile žestokih pića na temelju njihovog molekularnog sastava.

Analizu kemijskog sastava 16 viskija

Studija pod vodstvom dr. Andreasa Grasskampa koristila je algoritme umjetne inteligencije za analizu kemijskog sastava 16 viskija, uključujući poznate marke poput Jack Daniel'sa, Maker's Marka, Laphroaiga i Taliskera. Istraživači su trenirali algoritme koristeći podatke panel skupine od 11 stručnjaka, stvarajući sustav koji može predvidjeti pet primarnih aroma i podrijetlo svakog viskija s visokom dosljednošću.

Točnost od 90%

Sustav umjetne inteligencije pokazao je sposobnost razlikovanja američkih i škotskih viskija s točnošću većom od 90%. Algoritam je identificirao ključne spojeve poput mentola i citronelola kao pokazatelje američkih viskija, često povezane s notama karamele. S druge strane, metil dekanoat i heptanska kiselina povezani su sa škotskim viskijima, koje obično karakteriziraju dimne ili travnate arome.

Mogućnosti otkrivanja krivotvorina 

Primjena ove tehnologije proteže se izvan industrije viskija. Istraživači predviđaju mogućnosti u otkrivanju krivotvorina alkoholnih pića, gdje bi odstupanja u aromi mogla otkriti lažne proizvode. Dr. William Peveler, viši predavač kemije na Sveučilištu u Glasgowu, istaknuo je potencijal ove tehnologije za poboljšanje dosljednosti u proizvodnji viskija. Brzom analizom kemijskih potpisa destilerije bi mogle osigurati stabilni "kućni stil" kroz različite serije i mješavine. Međutim, također je napomenuo ograničenja trenutne studije, koja je uključivala relativno mali uzorak i nije uzela u obzir složeni razvoj okusa tijekom starenja.

Integracija umjetne inteligencije u analizu mirisa predstavlja značajnu promjenu u pristupu senzornoj evaluaciji. Tradicionalne metode oslanjale su se prvenstveno na ljudske stručnjake, čije su procjene, iako vrijedne, inherentno subjektivne. Sustav umjetne inteligencije koji su razvili Grasskamp i njegov tim nudi razinu dosljednosti i učinkovitosti koja nadopunjuje ljudsku stručnost. 

Ništa ne može zamijeniti ljudski nos

Slični pristupi istražuju se u parfumeriji, gdje se algoritmi strojnog učenja koriste za predviđanje potrošačkih preferencija i stvaranje novih mirisa. Mogućnost digitalizacije i analize profila mirisa otvara nove mogućnosti za razvoj proizvoda i personalizaciju u različitim industrijama.

Naravno, ništa ne može zamijeniti ljudski nos koji može otkriti i razlikovati tisuće različitih mirisa, što trenutni sustavi umjetne inteligencije još uvijek nastoje dostići. Štoviše, percepcija okusa pod utjecajem je brojnih vanjskih čimbenika, uključujući okoliš u kojem se viski konzumira.