Сомельє віскі: Як «нейронку» навчили розрізняти алкоголь за запахом

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Вчені з інституту технологічної інженерії та упаковки IVV ім. Фраунгофера в Німеччині навчили модель штучного інтелекту розрізняти між собою різні види шотландського скотчу та американського віскі.

Можна сказати, що машина робить висновки за запахом — вона проводить аналіз одоруючих молекул, які у багатьох продуктах відповідають за запах та смак.

Методи

Вчені спробували багато методів навчання, і ось основні, які стали успішними:

• OWSum (Ordered Weighted Sum Model):
  • Досяг точності у 100%.
  • Легкий та швидкий.
  • Це алгоритм призначений для обробки даних із заданими «вагами». Завдяки більшої кількості метаданих він якісніше агрегує інформацію. Прогнози виходять точнішими, а модель легшою.
  • Ключові хімічні маркери для класифікації:
    • Американські віскі: ментол, цитронелол.
    • Шотландські віскі: метилдеканоат, гептанова кислота.
• Конволюційні нейронні мережі (CNN):
  • Непогана продуктивність із «F1 Score» до 0.71. Моделі вдалося передбачити більшість молекул у складі алкоголю — це хімічний «reverse engineering».
  • Це важча та більш трудомістка для навчання модель. Добре підходить для структурованих, складних та саме неповних даних;
  • Ключові хімічні маркери для класифікації:
    • Американські віскі: нотки карамелі.
    • Шотландські віскі: яблучні, фенольні та схожі на розчинники нотки.
• Традиційні статистичні підходи:
  • Традиційні статистичні підходи не впоралися зі складністю молекулярних даних. Їхня точність була не задовільною.

Тобто OWSum виявися гарним компромісом між занадто комплексними (CNN) та занадто простими, статистичними підходами.

Застосування

Не дивлячись на те, що дослідження має дещо «жартівливий» характер, воно непогано тестує продуктивність моделей навіть не у загальнохімічних, а саме у сенсорних науках, які працюють саме із комплексними одоруючими молекулами. Це і виробництво алкоголю (часто саме коштовного), парфумерія та харчові технології — добавки, які є майже в усіх продуктах.

Насправді для роботи зі складними хімічними сполуками використовують ще передовіші технології — навіть не ШІ, а квантові обчислення і вони вже приносять свої результати. Це робота з акумуляторами — шукають альтернативи традиційним літій-іонним моделям, або розробка нових ліків.

Але справді виняткових відкриттів (напевно) варто чекати саме при суміщенні цих двох технологій — і для цього вже створили передумови.