Sviluppare un nuovo approccio di apprendimento automatico in grado di ideare nuovi gusti di birra belga alcolica e analcolica, per migliorare i tassi di apprezzamento da parte dei consumatori e ottimizzare il processo di produzione. È stato questo l’obiettivo di uno studio, pubblicato sulla rivista Nature Communications, condotto dagli scienziati di KU Leuven, Lovanio, in Belgio. Il team, guidato da Kevin Verstrepen, ha caratterizzato oltre 200 proprietà chimiche di 250 birre commerciali belga, divise in 22 tipologie, come Blond e Tripel. Queste informazioni sono state associate ai dati di profilazione sensoriale descrittiva raccolti da un gruppo di 16 persone formate sulla degustazione e ai record del database online RateBeer, che contiene oltre 180mila recensioni di birre.
Successivamente, gli autori hanno addestrato un modello di intelligenza artificiale per prevedere il sapore e il livello di apprezzamento dei consumatori partendo dal profilo chimico della bevanda. Capire se un prodotto sarà giudicato positivamente, spiegano gli esperti, è molto difficile, ma potrebbe migliorare notevolmente l’efficienza economica della produzione di birra.
Gli studiosi hanno testato l’efficacia del modello di apprendimento automatico per modificare birre commerciali alcoliche e analcoliche. I risultati hanno mostrato un apprezzamento complessivo più elevato tra i partecipanti qualificati nelle degustazioni per le qualità prodotte grazie ai consigli dell’intelligenza artificiale.
Migliorare il controllo di qualità
Gli autori suggeriscono che questo strumento potrebbe aiutare a migliorare il controllo di qualità e lo sviluppo di ricette di birre, ma ipotizzano che potrebbe essere implementato anche per altri prodotti, in modo da migliorare l’efficienza di produzione e soddisfare le richieste specifiche dei consumatori. Attualmente, precisano gli scienziati, i risultati sono ancora limitati alle principali alternative di birra belga, per cui potrebbe essere necessario addestrare il modello con un numero maggiore di campioni, in modo da ottimizzare le previsioni.
Nei prossimi step, concludono gli autori, sarà interessante prendere in considerazione l’effetto di fattori specifici associati al livello di gradimento delle diverse birre, come informazioni demografiche, personali e culturali dei consumatori.
