Skip to content Skip to footer

人工智能的风土启示:通过机器学习重新定义葡萄酒起源

image-20231226221221964

ULZ公司博士:

- 科学家利用人工智能和气相色谱法分析了 80 种葡萄酒,揭示了它们的风土条件。

- 葡萄酒化学特征的XY坐标映射验证了风土的概念。

- 气相色谱法的劳动密集型过程通过机器学习得到简化。

- 100%准确识别葡萄酒生产商;50%的年份识别率。

- 研究有助于打击葡萄酒欺诈和适应气候变化。

- 有可能将研究扩展到其他葡萄酒品种和应用。

- 预计在 2-4 年内将基础科学转化为实用解决方案。

主要AI新闻:

在传统与技术经常碰撞的葡萄酒世界中,出现了一种非凡的融合。人工智能是现代创新的灯塔,它可能无法品尝到波尔多葡萄酒的微妙风味,但它可以敏锐地追溯其起源。在一项非凡的研究中,科学家们利用机器学习和气相色谱法的力量,仔细检查了80种葡萄酒,揭开了它们出生地的秘密。令人惊讶的是,当这些葡萄酒根据其化学特征在地图上绘制为XY坐标时,它们会根据波尔多的左岸和右岸地区精确地聚类。这项开创性的研究强调了风土的古老概念,并有望对酿酒学世界产生深远的影响。

这项开创性的研究发表在著名的《通讯化学》杂志上,由日内瓦大学的计算神经科学家Alexandre Pouget和波尔多大学葡萄与葡萄酒科学研究所(ISVV)的研究酿酒师Stéphanie Marchand领导。葡萄酒激情和科学敏锐度的融合为这一非凡的旅程奠定了基础。

对于土生土长的巴黎人Pouget来说,他将机器学习应用于葡萄栽培的追求已经持续了几十年。在1980年代后期,他在使用机器学习研究大脑方面的专业知识将他从巴黎繁华的街道带到了加利福尼亚和纽约的科技中心,最终将他带到了日内瓦。然而,机器学习是否能破译葡萄酒的奥秘,直到六年前对凯歌的一次决定性访问,这个问题仍然没有答案。正是在这次私人品酒会上,他与酿酒团队分享了他的想法,最终将他带到了波尔多的ISVV和葡萄酒化学分析专家Marchand。正如Marchand所叙述的那样,该项目最初是ISVV化学实验室的“周六实验”。

实验的关键在于将气相色谱(GC)和电子电离质谱法与机器学习的计算能力相结合,以根据其分子特征识别葡萄酒。在他们的研究中提出了两个基本问题:酒庄能否独立于年份来识别,以及酒庄能否独立于酒庄来识别?气相色谱法是葡萄酒分析中长期存在的工具,可使葡萄酒汽化并生成数据丰富的色谱图。然而,手动定量色谱峰的劳动密集型任务带来了重大挑战。Pouget利用他的神经科学背景,引入了机器学习来有效地浏览庞大的数据集,消除人为偏见并提高精度。

马尔尚走近了七座分类生长的酒庄,他们的身份被保密,选择了1990年至2007年的12个年份。该算法使用 73 种葡萄酒的色谱图进行训练,然后用另外 7 种葡萄酒进行测试。结果非常显著:机器在100%的时间内准确识别了酒庄,而在50%的时间内正确识别了年份酒。

最初,研究人员推测,结果可能归因于混合物中使用的葡萄品种。然而,整个色谱图被证明可以指示地理来源和年龄,这表明葡萄酒的化学特性超越了少数分子,涵盖了广泛的化学光谱。

真正的启示来自色谱图的XY坐标映射,来自同一庄园但不同年份的葡萄酒聚集在一起,形成了波尔多产区的空间代表。这种化学指纹揭示了葡萄酒之间的地理共性,展示了它们的相似性。这一发现的影响是深远的,点燃了研究人员的兴奋。

除了揭开葡萄酒的奥秘外,这项研究还具有实际应用。它可以通过准确识别葡萄酒的生产商来打击葡萄酒欺诈,从而帮助执法部门开展工作。此外,在气候变化的时代,机器学习促进的化学分析可以为葡萄酒的典型性如何演变提供有价值的见解,使酿酒师能够在保留其创作的历史特征的同时进行适应。

随着研究团队的扩大,涉足黑皮诺和西拉的领域,并深入研究来自普通庄园的葡萄酒,葡萄酒化学和机器学习的进一步启示潜力仍然是无限的。虽然实际应用尚未完全实现,但Pouget设想两到四年的专门工作,将这一基础科学转化为切实的解决方案。

结论:

这项开创性的研究结合了人工智能和化学来揭示葡萄酒的风土,不仅验证了酿酒的基本概念,还为打击欺诈和适应气候变化开辟了可能性。随着这项技术的成熟,它可能会重塑葡萄酒行业的生产、质量控制和市场定位方式,为消费者和生产商提供更高水平的精确度和真实性。