Istraživači obučavaju veštačku inteligenciju da otkriva lažno vino

Istraživači su koristili mašinsko učenje kako bi razlikovali vina na osnovu suptilnih razlika u koncentraciji brojnih jedinjenja, što im omogućava da prate poreklo vina ne samo do određenog vinogradarskog regiona, već i do imanja gde je vino napravljeno.

„Postoji mnogo vinskih prevara u kojima ljudi prave neke mešavine u garažama, štampaju etikete i prodaju ih za hiljade dolara“, naglašava profesor Aleksandar Puže sa Univerziteta u Ženevi. „Prvi put pokazujemo da imamo dovoljno osetljive hemijske analize da možemo da uočimo razliku.“

Da bi obučili program, naučnici su se okrenuli gasnoj hromatografiji, koja je korišćena za analizu 80 vina spravljenih tokom 12 godina sa sedam različitih imanja u regionu Bordo u Francuskoj. Ova tehnika se obično koristi u laboratorijama za odvajanje i identifikaciju jedinjenja koja čine smešu.

Umesto da pokušava da pronađe pojedinačna jedinjenja koja razlikuju jedno vino od drugog, algoritam se oslanja na sve hemikalije otkrivene u vinu da bi napravio najpouzdaniji potpis za svako. Program prikazuje svoje rezultate na dvodimenzionalnoj mreži, gde se vina sa sličnim potpisima grupišu zajedno.

„Prva stvar koju smo videli, koja nas je šokirala, jeste da postoje grozdovi koji odgovaraju određenom zamku. To nam je odmah pokazalo da postoji hemijski potpis specifičan za svaki zamak, nezavisno od berbe“, navodi profesor Puže. „To je ukupni obrazac koncentracije mnogih, mnogih molekula koji su specifični za određeni zamak. Svako za sebe je simfonija: ne postoji jedna nota koja ih razlikuje, to je cela melodija.“

Analiza je otkrila još mnogo toga. Zapanjujuće je da su pozicije klastera odražavale lokacije imanja na terenu, sa vinima iz tri zamka severno od reke Dordonje jasno odvojenih od četiri zamka zapadno od reke Garone. „Kada uradimo ove projekcije sa hromatograma, pravimo novu mapu Bordoa“, naglasio je Puže.

„Moć mašinskog učenja za ovu vrstu istraživanja postaje sve očiglednija sa svakom novom primenom u tehnologiji hrane i poljoprivredi“, ističe Dejvid Džefri, vanredni profesor enologije na Univerzitetu Adelaida i koautor knjige Razumevanje hemije vina.

Mnoštvo faktora, od grožđa i zemljišta do mikroklime i procesa proizvodnje vina, utiče na koncentraciju jedinjenja koja se nalaze u vinima u svakom dvorcu. Dok je program pratio vina do pravih zamkova sa tačnošću od 99 odsto, imao je problem da razlikuje godinu berbe, uspevajući da pogodi u oko 50 odsto slučajeva.

Istraživanje, koje bi trebalo da se pojavi u naučnom časopisu Communications Chemistry, ukazuje na to da bi mašinsko učenje moglo da pomogne kod istraga o prevarama tako što će potvrditi da li vino odgovara etiketi.

U Evropi, vinari godišnje gube tri milijarde evra zbog onih koji prodaju lažno vino. Nedavni slučajevi su istakli veličinu kriminalnih mreža aktivnih u industriji. Ranije ove godine članovi bande osuđeni su zato što su dovozili cisterne sa španskim stonim vinom u Francusku i prodavali ga kao francusko. Prevara se trajala godinama i veruje se da je prodato oko pet miliona boca pod etiketom bordoa.

Iako je otkrivanje prevara najočiglednija primena za program, profesor Puže smatra da bi se ovakav pristup mogao koristiti za praćenje kvaliteta tokom procesa proizvodnje vina i da bi se stvorila dobra mešavina. „Ovo bismo mogli da iskoristimo da otkrijemo koje mešavine bi nam dale još bolji kvalitet.“

„Mešanje vina je ključni korak u pravljenju odličnog bordoa i šampanjca. Sada to radi nekoliko vinara koji su za svoje umeće plaćeni čitavo bogatstvo. Posedovanje ovakvih alata učinilo bi mnogo jeftinijim pravljenje sjajnih mešavina, što bi svima bilo od koristi.“