En maskinlæringsalgoritme har nu demonstreret evnen til at identificere oprindelsen af Bordeaux-rødvine ved at analysere deres kemiske sammensætning.
Vinentusiaster er stolte af at opdage "røgede overtoner" eller "noter af fersken og blomme", men AI kan lokalisere det præcise slot, som en vin stammer fra.
Det spændende undersøgelse ledet af Alexandre Pouget ved universitetet i Genève i Schweiz opdagede, at vine fra forskellige godser i Bordeaux har unikke kemiske signaturer.
Holdet analyserede 80 rødvine fra 12 årgange fra 1990 til 2007, som alle stammede fra syv berømte Bordeaux-slotte. Pouget forklarede om undersøgelsen: "Vi var interesserede i at finde ud af, om der er en kemisk signatur, som er specifik for hvert af disse slotte, og som er uafhængig af årgangen."
Målet var at finde ud af, om vine fra en enkelt vingård konsekvent udviser en lignende kemisk profil. Vinentusiaster har måske hørt om ordet "terroir", som beskriver de miljømæssige faktorer, der påvirker en drues fænotype, herunder unikke miljømæssige sammenhænge, en afgrødes specifikke væksthabitat og endda specifikke landbrugsmetoder.
For at analysere eksistensen eller fraværet af et kontinuerligt terroir på tværs af vinene fordampede teamet væsken for at adskille deres kemiske komponenter, hvilket resulterede i et kromatogram for hver vin. Hvert kromatogram, der består af omkring 30.000 punkter, repræsenterer et stort udvalg af forskellige kemiske forbindelser.
73 af disse kromatogrammer blev sammen med oplysninger om slottene og årgangene brugt til at træne en algoritme. Test af de resterende syv kromatogrammer blev gentaget 50 gange med varierende vinprøver.
Et kemisk grundlag for terroir
Da algoritmen var trænet, var den slående og kunne identificere vinens oprindelsesslot med 100% nøjagtighed. Pouget bemærker, hvor vanskeligt det er, og siger: "Det er ikke mange mennesker i verden, der vil kunne gøre det."
Algoritmen viste også omkring 50% nøjagtighed i bestemmelsen af årgangen.
Undersøgelsen viste også, at algoritmen effektivt kunne identificere ejendommen ved kun at bruge 5% af hvert kromatogram.
Pouget siger, at dette beviser, at en vins karakteristiske smag og tekstur er formet af den kollektive koncentration af mange molekyler snarere end blot nogle få nøgleelementer - et objektivt grundlag for det flygtige terroir.
Desuden var det bemærkelsesværdigt, at algoritmen kunne gruppere vine fra lignende regioner ved at analysere kromatogramdataene. Den skelnede f.eks. mellem vine fra Garonne-flodens højre bred, som Pomerol og St-Emilion, og vine fra den venstre bred, som f.eks. vine fra Medoc.
Denne forskning afdækker den dybe indflydelse, som terroir - der omfatter lokal geografi, klima, mikrober og vinfremstillingsmetoder - har på en vins unikke smagsprofil. Det næste skridt er måske at finde ud af, hvilke stoffer der har disse effekter, og hvordan de opstår.
AI er måske den nye sommelier, og den får aldrig tømmermænd.
