Истраживачи обучавају вештачку интелигенцију да открива лажно вино

Истраживачи су користили машинско учење како би разликовали вина на основу суптилних разлика у концентрацији бројних једињења, што им омогућава да прате порекло вина не само до одређеног виноградарског региона, већ и до имања где је вино направљено.

„Постоји много винских превара у којима људи праве неке мешавине у гаражама, штампају етикете и продају их за хиљаде долара“, наглашава професор Александар Пуже са Универзитета у Женеви. „Први пут показујемо да имамо довољно осетљиве хемијске анализе да можемо да уочимо разлику.“

Да би обучили програм, научници су се окренули гасној хроматографији, која је коришћена за анализу 80 вина справљених током 12 година са седам различитих имања у региону Бордо у Француској. Ова техника се обично користи у лабораторијама за одвајање и идентификацију једињења која чине смешу.

Уместо да покушава да пронађе појединачна једињења која разликују једно вино од другог, алгоритам се ослања на све хемикалије откривене у вину да би направио најпоузданији потпис за свако. Програм приказује своје резултате на дводимензионалној мрежи, где се вина са сличним потписима групишу заједно.

„Прва ствар коју смо видели, која нас је шокирала, јесте да постоје гроздови који одговарају одређеном замку. То нам је одмах показало да постоји хемијски потпис специфичан за сваки замак, независно од бербе“, наводи професор Пуже. „То је укупни образац концентрације многих, многих молекула који су специфични за одређени замак. Свако за себе је симфонија: не постоји једна нота која их разликује, то је цела мелодија.“

Анализа је открила још много тога. Запањујуће је да су позиције кластера одражавале локације имања на терену, са винима из три замка северно од реке Дордоње јасно одвојених од четири замка западно од реке Гароне. „Када урадимо ове пројекције са хроматограма, правимо нову мапу Бордоа“, нагласио је Пуже.

„Моћ машинског учења за ову врсту истраживања постаје све очигледнија са сваком новом применом у технологији хране и пољопривреди“, истиче Дејвид Џефри, ванредни професор енологије на Универзитету Аделаида и коаутор књиге Разумевање хемије вина.

Мноштво фактора, од грожђа и земљишта до микроклиме и процеса производње вина, утиче на концентрацију једињења која се налазе у винима у сваком дворцу. Док је програм пратио вина до правих замкова са тачношћу од 99 одсто, имао је проблем да разликује годину бербе, успевајући да погоди у око 50 одсто случајева.

Истраживање, које би требало да се појави у научном часопису Communications Chemistry, указује на то да би машинско учење могло да помогне код истрага о преварама тако што ће потврдити да ли вино одговара етикети.

У Европи, винари годишње губе три милијарде евра због оних који продају лажно вино. Недавни случајеви су истакли величину криминалних мрежа активних у индустрији. Раније ове године чланови банде осуђени су зато што су довозили цистерне са шпанским стоним вином у Француску и продавали га као француско. Превара се трајала годинама и верује се да је продато око пет милиона боца под етикетом бордоа.

Иако је откривање превара најочигледнија примена за програм, професор Пуже сматра да би се овакав приступ могао користити за праћење квалитета током процеса производње вина и да би се створила добра мешавина. „Ово бисмо могли да искористимо да откријемо које мешавине би нам дале још бољи квалитет.“

„Мешање вина је кључни корак у прављењу одличног бордоа и шампањца. Сада то ради неколико винара који су за своје умеће плаћени читаво богатство. Поседовање оваквих алата учинило би много јефтинијим прављење сјајних мешавина, што би свима било од користи.“