Руководствуясь моделями машинного обучения, которые предсказали, что сделает вкус бельгийского пива более привлекательным, исследователи возились с составом золотого нектара, что произвело большое впечатление на слепых дегустаторов. Этот метод может привести к созданию новых рецептов и улучшению вкуса целого ряда продуктов питания и напитков. Santé!
Поступило противоречивое мнение: я никогда не был большим любителем пива; Мне не нравится вкус. Однако я понимаю (будучи австралийцем и убежден, что это заложено в каждом из нас с рождения), что пиво многие считают нектаром золотистого цвета.
Понимание и прогнозирование того, как мы воспринимаем и ценим то, что потребляем, например пиво, является серьезной проблемой для индустрии продуктов питания и напитков. Конечно, для отрасли имеет хороший коммерческий смысл склонять таких людей, как я, пить (или есть) ее продукцию. Исследователи из Левенского университета в Бельгии разработали модель машинного обучения, которая может помочь разрабатывать вкусы пива, более привлекательные для потребителей, помогая производителям удовлетворять конкретные потребности потребителей.
«Предсказание вкуса и потребительской оценки по химическому составу — одна из конечных целей сенсорной науки», — говорят исследователи. «Надежный, систематический и беспристрастный способ связать химические профили со вкусом и оценкой пищевых продуктов станет важным преимуществом для пищевой промышленности».
Во-первых, чтобы создать комплексный набор данных о вкусе пива, исследователи выбрали 250 коммерчески доступных сортов бельгийского пива в 22 различных стилях. Большую часть набора данных составляют блондинки (12,4%) и трипели (11,2%), что отражает их присутствие на бельгийской пивной сцене и разнообразие пива в этих стилях. Затем исследователи измерили 226 различных химических свойств каждого пива, включая параметры пивоварения, такие как содержание алкоголя, pH, концентрация сахара и более 200 вкусовых соединений.
Стиль трипель — один из самых популярных среди потребителей пиваDepositphotos
Обученная дегустационная комиссия оценила каждое из 250 сортов пива по 50 сенсорным характеристикам, включая различные вкусы хмеля, солода и дрожжей, посторонние привкусы и специи, которые они оценили. Чтобы расширить данные дегустационной комиссии, исследователи собрали 180 000 отзывов о 250 выбранных сортах пива на платформе потребительских обзоров RateBeer. Это позволило получить числовые оценки внешнего вида, аромата, вкуса, вкуса, общего качества и средней общей оценки.
Исследователи объединили химические анализы, оценки дегустационных комиссий и общественные обзоры и использовали их для обучения моделей машинного обучения. Затем они использовали модели, чтобы сделать вывод о важных факторах, влияющих на сенсорное восприятие и потребительскую оценку, понимая, что продукт с низкой потребительской оценкой не будет иметь коммерческого успеха.
Этилацетат был признан наиболее прогнозирующим параметром оценки пива. Обычно он передает фруктовый, растворяющий и алкогольный вкус. Этанол, самый распространенный компонент пива после воды, был вторым по важности параметром. Помимо непосредственного вклада в вкус и ощущение пива, этанол существенно влияет на физические свойства напитка, определяя, как летучие соединения способствуют аромату. Высокую оценку получила и молочная кислота, которая придает терпкий вкус кислому пиву. Интересно, что некоторые из наиболее важных прогностических параметров не были устоявшимися вкусами пива и обычно связаны с отрицательным качеством пива. Например, этилфенилацетат, который обычно связывают с несвежим пивом, оказался ключевым фактором, способствующим повышению цены пива.
Наконец, исследователи проверили, дают ли их прогностические модели представление о цене пива. Они специально выбрали общую оценку в качестве фактора для изучения из-за ее сложности и коммерческой значимости. Поскольку добавление одного соединения может привести к заметной разнице, которая разбалансирует вкусовой профиль пива, исследователи оценили эффект от изменения комбинаций соединений. А поскольку в наборе данных было широко представлено светлое пиво, в качестве исходного материала для этих экспериментов они выбрали светлое пиво.
Корректировка концентраций наиболее важных предикторов общей оценки – этилацетата, этанола, молочной кислоты и этилфенилацетата – значительно улучшила общую оценку по сравнению с контролем среди группы обученных дегустаторов. Участники дискуссии отметили повышенную интенсивность вкуса, сладость, алкоголь и полноту тела. Чтобы исключить влияние этанола на результаты, второй эксперимент был проведен без добавления этанола. Это привело к аналогичному результату, включая повышение общей оценки. Следующий эксперимент проверял, могут ли предсказания модели повысить оценку безалкогольного пива. Опять же, была добавлена смесь предсказанных соединений, за исключением этанола, что привело к значительному увеличению вкуса, консистенции, вкуса и сладости.
«Наше исследование подтверждает, что концентрация вкусовых соединений не всегда коррелирует с восприятием, предполагая сложные взаимодействия, которые часто упускаются из виду более традиционной статистикой и простыми моделями», — сказали исследователи. «Предсказания наших окончательных моделей, обученных на обзорных данных, справедливы даже для слепых дегустаций с небольшими группами обученных тестировщиков, о чем свидетельствует наша способность проверять определенные соединения как факторы вкуса и оценки пива».
Исследователи надеются, что их метод приведет к улучшению вкуса и контроля качества широкого спектра пива.
Исследователи осознают социальное бремя, вызванное злоупотреблением алкоголем и зависимостью, и предостерегают от использования своего метода для усугубления ситуации.
«Мы призываем использовать наши результаты для производства более здоровых и вкусных продуктов, включая новые и улучшенные напитки с более низким содержанием алкоголя», — заявили они. «Более того, мы настоятельно не рекомендуем использовать эти технологии для улучшения восприятия вредных веществ или вызывания привыкания».
Они надеются, что будущие исследования расширят сферу их исследований, включив в них разнообразные рынки и стили пива, выявление большего количества факторов, способствующих повышению оценки.
«Вскоре эти инструменты могут предоставить решения в области контроля качества и разработки рецептов, а также новые подходы к сенсорной науке и исследованиям вкуса», — сказали они.
Исследование было опубликовано в журнале Nature Communications.
