Des chercheurs ont appris à un algorithme à « goûter »
Pour les non-connaisseurs, choisir une bouteille de vin peut s’avérer difficile lorsqu’il s’agit de scanner une série d’étiquettes inconnues sur les étagères d’un magasin. Ca a quel goût? Quel est le dernier que j’ai acheté et qui avait si bon goût ?
Ici, des applications viticoles comme Vivino, Hello Vino, Wine Searcher et bien d’autres peuvent vous aider. Des applications comme celles-ci permettent aux acheteurs de vin de scanner les étiquettes des bouteilles, d’obtenir des informations sur un vin particulier et de lire les critiques des autres. Ces applications reposent sur des algorithmes artificiellement intelligents.
Aujourd’hui, des scientifiques de l’Université technique du Danemark (DTU), de l’Université de Copenhague et de Caltech ont montré qu’il était possible d’ajouter un nouveau paramètre aux algorithmes qui facilitent la recherche d’une correspondance précise pour vos propres papilles gustatives : à savoir, les impressions de saveur.
« Nous avons démontré qu’en alimentant un algorithme avec des données constituées d’impressions gustatives des gens, l’algorithme peut faire des prédictions plus précises du type de vin que nous préférons individuellement », explique Thoranna Bender, une étudiante diplômée du DTU qui a mené l’étude dans le cadre du projet. sous les auspices du Pioneer Center for AI de l’Université de Copenhague.
Des prédictions plus précises des vins préférés des gens
Les chercheurs ont organisé des dégustations de vins au cours desquelles 256 participants ont été invités à disposer des tasses de différents vins sur une feuille de papier A3 en fonction des vins qui, selon eux, avaient le goût le plus similaire. Plus la distance entre les tasses est grande, plus la différence de saveur est grande. La méthode est largement utilisée dans les tests consommateurs. Les chercheurs ont ensuite numérisé les points présents sur les feuilles de papier en les photographiant.
Les données collectées lors des dégustations de vins ont ensuite été combinées avec des centaines de milliers d’étiquettes de vins et d’avis d’utilisateurs fournis aux chercheurs par Vivino, une application et un marché mondial du vin. Ensuite, les chercheurs ont développé un algorithme basé sur l’énorme ensemble de données.
« La dimension de saveur que nous avons créée dans le modèle nous fournit des informations sur les vins qui ont un goût similaire et ceux qui ne le sont pas. Ainsi, par exemple, je peux me tenir debout devant ma bouteille de vin préférée et dire : j’aimerais savoir lequel le vin lui ressemble le plus en termes de goût, ou à la fois en termes de goût et de prix », explique Thoranna Bender.
Le professeur et co-auteur Serge Belongie du Département d’informatique, qui dirige le Pioneer Center for AI à l’Université de Copenhague, ajoute : « Nous pouvons constater que lorsque l’algorithme combine les données des étiquettes et des critiques de vins avec les données du Lors de dégustations de vin, il fait des prédictions plus précises sur les préférences des gens en matière de vin que lorsqu’il utilise uniquement les types de données traditionnels sous forme d’images et de texte. Ainsi, apprendre aux machines à utiliser les expériences sensorielles humaines aboutit à de meilleurs algorithmes qui profitent à l’utilisateur.
Peut également être utilisé pour la bière et le café
Selon Serge Belongie, il existe une tendance croissante en apprentissage automatique à utiliser des données dites multimodales, qui consistent généralement en une combinaison d’images, de texte et de son. Utiliser le goût ou d’autres entrées sensorielles comme sources de données est entièrement nouveau. Et cela présente un grand potentiel, par exemple dans le secteur alimentaire. Belongie déclare :
« Comprendre le goût est un aspect clé de la science alimentaire et essentiel pour parvenir à une production alimentaire saine et durable. Cependant, l’utilisation de l’IA dans ce contexte en est encore à ses balbutiements. Ce projet montre la puissance de l’utilisation des apports humains dans l’intelligence artificielle. , et je prédis que les résultats stimuleront davantage de recherches à l’intersection de la science alimentaire et de l’IA. »
Thoranna Bender souligne que la méthode des chercheurs peut également être facilement transposée à d’autres types d’aliments et de boissons. « Nous avons choisi le vin comme cas, mais la même méthode peut tout aussi bien s’appliquer à la bière et au café. Par exemple, cette approche peut être utilisée pour recommander des produits et peut-être même des recettes de cuisine aux gens. Et si nous pouvons mieux comprendre » En raison des similitudes gustatives des aliments, nous pouvons également l’utiliser dans le secteur des soins de santé pour composer des repas qui répondent aux goûts et aux besoins nutritionnels des patients. Il pourrait même être utilisé pour développer des aliments adaptés à différents profils gustatifs. »
Les chercheurs ont publié leurs données sur un serveur ouvert, utilisable gratuitement.
« Nous espérons que quelqu’un voudra s’appuyer sur nos données. J’ai déjà répondu à des demandes de personnes souhaitant inclure des données supplémentaires dans notre ensemble de données. Je pense que c’est vraiment cool », conclut Thoranna Bender.
L’étude est publiée sur le arXiv serveur de préimpression.