Yapay Zeka

Tat Odaklı Yapay Zeka Algoritmaları Şarap Seçimlerini Geliştiriyor

Özet: Vivino ve Hello Vino gibi şarap uygulamaları, şarap tutkunlarının mükemmel şişeyi seçmesine yardımcı olmak için yapay zeka algoritmalarından yararlanıyor.

Araştırmacılar, insanların lezzet izlenimlerini algoritmalara dahil ederek bunu bir adım daha ileri götürdü. Şarap tadımları, şarap etiketlerinden ve kullanıcı incelemelerinden elde edilen veriler sayesinde, bireysel şarap tercihlerine ilişkin son derece doğru tahminler yapabilen bir algoritma geliştirdiler.

Bu yenilikçi yaklaşım, yalnızca şarapları değil aynı zamanda bira, kahve ve hatta kişiselleştirilmiş yiyecek önerilerini seçme şeklimizde de devrim yaratma potansiyeline sahip.

Ana unsurlar:

  1. Şarap uygulamaları, kullanıcıların etiketlere ve incelemelere göre şarap seçmesine yardımcı olmak için AI algoritmalarını kullanıyor.
  2. Araştırmacılar, daha doğru şarap önerileri için insanların lezzet izlenimlerini algoritmalara entegre etti.
  3. Bu yaklaşım, çeşitli endüstrilere fayda sağlayacak şekilde bira, kahve ve kişiselleştirilmiş yiyecek önerilerini kapsayacak şekilde genişletilebilir.

Kaynak: Kopenhag Üniversitesi

Uzman olmayanlar için, mağaza rafındaki bir dizi tanıdık olmayan etiketi tararken bir şişe şarap seçmek zor olabilir. Tadı nasıl? Tadı bu kadar güzel olan en son satın aldığım şey neydi?

Burada Vivino, Hello Vino, Wine Searcher ve daha pek çok şarap uygulaması yardımcı olabilir. Bunun gibi uygulamalar, şarap alıcılarının şişe etiketlerini taramasına, belirli bir şarap hakkında bilgi almasına ve başkalarının yorumlarını okumasına olanak tanır. Bu uygulamalar yapay olarak akıllı algoritmalar üzerine kuruludur.

Bu bir kadeh şarap ve bilgisayar kodunu gösteriyor.
Tat veya diğer duyusal girdilerin veri kaynağı olarak kullanılması tamamen yenidir. Ve büyük bir potansiyele sahip – örneğin gıda sektöründe. Kredi: Nörobilim Haberleri

Artık Danimarka Teknik Üniversitesi (DTU), Kopenhag Üniversitesi ve Caltech’ten bilim insanları, algoritmalara kendi zevkinize uygun kesin bir eşleşme bulmayı kolaylaştıran yeni bir parametre ekleyebileceğinizi gösterdi: Yani, insanların izlenimleri lezzet.

Araştırmayı yürüten DTU yüksek lisans öğrencisi Thoranna Bender, “Algoritmayı insanların lezzet izlenimlerinden oluşan verilerle besleyerek, algoritmanın bireysel olarak ne tür şarap tercih ettiğimiz konusunda daha doğru tahminler yapabileceğini gösterdik” diyor. Kopenhag Üniversitesi Yapay Zeka Öncü Merkezi’nin himayesinde.

İnsanların en sevdiği şaraplara ilişkin daha doğru tahminler

Araştırmacılar şarap tadımı düzenlediler ve bu sırada 256 katılımcıdan farklı şaraplardan oluşan shot boyutlu bardakları bir parça A3 kağıdına en benzer tadı düşündükleri şarapları temel alarak düzenlemeleri istendi. Fincanlar arasındaki mesafe ne kadar büyük olursa, lezzet farkı da o kadar fazla olur. Yöntem tüketici testlerinde yaygın olarak kullanılmaktadır. Araştırmacılar daha sonra kağıtlardaki noktaları fotoğraflayarak dijitalleştirdiler.

Şarap tadımlarından toplanan veriler daha sonra yüz binlerce şarap etiketi ve küresel bir şarap uygulaması ve pazarı olan Vivino tarafından araştırmacılara sağlanan kullanıcı yorumlarıyla birleştirildi. Daha sonra araştırmacılar devasa veri setine dayalı bir algoritma geliştirdiler.

“Modelde oluşturduğumuz lezzet boyutu bize hangi şarapların tat olarak benzer, hangilerinin benzemediği konusunda bilgi veriyor. Örneğin, en sevdiğim şarap şişesinin yanında durup şunu söyleyebilirim: Tadı veya hem tadı hem de fiyatı açısından ona en çok hangi şarabın benzediğini bilmek istiyorum” diyor Thoranna Bender.

Kopenhag Üniversitesi Yapay Zeka Öncü Merkezi’ne başkanlık eden Bilgisayar Bilimleri Bölümü’nden profesör ve ortak yazar Serge Belongie şunları ekliyor:

“Algoritmanın şarap etiketlerinden ve incelemelerden elde edilen verileri şarap tadımlarından elde edilen verilerle birleştirdiğinde, insanların şarap tercihlerine ilişkin yalnızca resim ve metin biçimindeki geleneksel veri türlerini kullandığından daha doğru tahminler yaptığını görebiliyoruz. . Dolayısıyla makinelere insanın duyusal deneyimlerini kullanmayı öğretmek, kullanıcıya fayda sağlayan daha iyi algoritmalarla sonuçlanır.”

Bira ve kahve için de kullanılabilir

Serge Belongie’ye göre, makine öğreniminde, genellikle görüntü, metin ve ses kombinasyonundan oluşan multimodal verinin kullanılması yönünde büyüyen bir eğilim var. Tat veya diğer duyusal girdilerin veri kaynağı olarak kullanılması tamamen yenidir. Ve büyük bir potansiyele sahip – örneğin gıda sektöründe. Belongie şunları söylüyor:

“Tadı anlamak, gıda biliminin önemli bir yönüdür ve sağlıklı, sürdürülebilir gıda üretimine ulaşmak için gereklidir. Ancak yapay zekanın bu bağlamda kullanımı henüz başlangıç ​​aşamasındadır. Bu proje, yapay zekada insan temelli girdilerin kullanılmasının gücünü gösteriyor ve sonuçların, gıda bilimi ile yapay zekanın kesiştiği noktada daha fazla araştırmayı teşvik edeceğini tahmin ediyorum.”

Thoranna Bender, araştırmacıların yönteminin diğer yiyecek ve içecek türlerine de kolaylıkla aktarılabileceğine dikkat çekiyor:

“Örnek olarak şarabı seçtik ama aynı yöntem bira ve kahveye de uygulanabilir. Örneğin, bu yaklaşım insanlara ürün ve hatta yemek tarifleri önermek için kullanılabilir. Ve eğer gıdalardaki tat benzerliklerini daha iyi anlayabilirsek, sağlık sektöründe de hastaların damak zevkine ve beslenme ihtiyaçlarına uygun yemekler ortaya koymak için kullanabiliriz. Hatta farklı tat profillerine göre uyarlanmış yiyecekler geliştirmek için bile kullanılabilir.”

Araştırmacılar verilerini açık bir sunucuda yayınladılar ve ücretsiz olarak kullanılabiliyorlar.

“Birinin bizim verilerimizden faydalanmak isteyeceğini umuyoruz. Veri setimize dahil etmek istedikleri ek verileri olan kişilerden gelen talepleri zaten yanıtladım. Bence bu gerçekten harika” diye bitiriyor Thoranna Bender.

Bu yapay zeka araştırma haberi hakkında

Soyut

Tatmayı Öğrenmek: Çok Modlu Bir Şarap Veri Kümesi

Görsel algı, dil ve lezzet arasındaki ilişkileri incelemek için geniş, çok modlu bir şarap veri seti olan WineSensed’i sunuyoruz.

Veri kümesi, Vivino platformundan seçilen 897 bin şarap etiketi görüntüsünü ve 824 bin şarap incelemesini içeriyor. Yıl, bölge, derecelendirme, alkol yüzdesi, fiyat ve üzüm bileşimi ile açıklamalı 350.000’den fazla benzersiz rekolteye sahiptir.

Şarapları lezzet benzerliklerine göre sıralamaları istenen 256 katılımcıyla bir şarap tadım deneyi gerçekleştirerek bir alt küme üzerinde ince taneli lezzet ek açıklamaları elde ettik ve sonuçta 5 binden fazla ikili lezzet mesafesi elde ettik.

İnsan deneyimini otomatik makine benzerlik çekirdekleriyle birleştiren düşük boyutlu bir konsept yerleştirme algoritması öneriyoruz.

Bu ortak konsept yerleştirme alanının, kaba lezzet sınıflandırması (alkol yüzdesi, ülke, üzüm, fiyat, derecelendirme) için ayrı yerleştirme alanlarını geliştirdiğini ve insanın karmaşık lezzet algısıyla uyumlu olduğunu gösteriyoruz.

Kaynak ve İleri Okuma: https://neurosciencenews.com/ai-taste-perception-25299/

İlgili Makaleler

Başa dön tuşu