Un estudio reciente ha revelado que la inteligencia artificial (IA) es capaz de predecir, mejor que los expertos, diferentes whiskis, desafiando la idea de que el arte de evaluar bebidas complejas como el whisky solo puede ser dominado por los sentidos humanos.
El avance fue posible gracias al uso de algoritmos de aprendizaje automático, que lograron identificar los compuestos volátiles y las notas dominantes de diversos whiskis con una precisión superior a la de los catadores humanos.
La complejidad de los aromas en el whisky
El whisky, como muchas otras bebidas, es una mezcla compleja de moléculas que interactúan en nuestro sistema olfativo para crear una experiencia sensorial única. El desafío radica en que más de 40 compuestos pueden determinar el perfil aromático de un whisky, y muchos otros compuestos volátiles no producen olor, pero aún influyen en la percepción final.
Evaluar la combinación de estos compuestos es una tarea difícil incluso para los más experimentados en cata, como se destacó en el estudio.
Esto es precisamente lo que lograron hacer los químicos gracias a dos algoritmos de aprendizaje automático, según los resultados de un estudio publicado el jueves en Communications Chemistry.
El papel de los algoritmos en la predicción de aromas
Para abordar esta complejidad, los investigadores utilizaron dos algoritmos de aprendizaje automático: OWSum y CNN. El primero es una herramienta estadística diseñada para predecir olores moleculares, mientras que el segundo es una red neuronal convolutiva que ayuda a descubrir relaciones entre las moléculas y los atributos de aroma de los whiskis.
Ambos algoritmos fueron entrenados con datos sobre los compuestos detectados en 16 muestras de whisky, incluyendo marcas como Talisker, Glenmorangie y Johnnie Walker, y los descriptores de aroma proporcionados por un panel de 11 expertos.
La precisión de la IA en la predicción del aroma
Los resultados fueron sorprendentes: los algoritmos lograron identificar las cinco notas dominantes de un whisky con mayor precisión y coherencia que los miembros individuales del panel.
“Descubrimos que nuestros algoritmos se alinean mejor con los resultados del panel que cada miembro individual, ofreciendo así una mejor estimación de la percepción general de los olores”, destacó Andreas Grasskamp, uno de los autores del estudio.
OWSum también demostró su capacidad para identificar la procedencia de un whisky, con una precisión superior al 90%. Por ejemplo, la detección de compuestos como mentol y citronelol se asoció principalmente con los whiskies estadounidenses, mientras que el metil decanoato y ácido heptanoico se vincularon con los escoceses.
Además, el algoritmo identificó las notas más características de cada tipo de whisky, como las notas caramelizadas en los whiskis estadounidenses y las de “manzana” y “fenólica” en los escoceses.
Posibles aplicaciones del aprendizaje automático en la industria
Estas metodologías de aprendizaje automático podrían utilizarse para detectar falsificaciones o para evaluar si whisky mezclado “tendrá el aroma esperado, ayudando así a reducir costos al limitar la necesidad de paneles de evaluación”, estima Grasskamp.
¿Podrían obtenerse resultados similares con el vino? “En teoría, sí. Todo lo que necesitan estas herramientas es una lista de compuestos detectados en la muestra y sus descriptores correspondientes”, según el autor principal de la investigación.
Aunque el estudio se centró en el whisky, los investigadores sugieren que la misma metodología podría aplicarse a otros productos, como el vino. Sin embargo, como señala Grasskamp, “El desafío reside en los detalles más finos, como determinar si los aromas del vino son lo suficientemente distintivos para un algoritmo de IA”.
*Con información de AFP.