Искусственный интеллект (ИИ) может прогнозировать и улучшать желаемый вкус, качество или цену пищевых продуктов, таких как кофе. Это результат совместного датско-германского проекта, в рамках которого тестировали, как ИИ может обеспечить вычислительную поддержку. Эксперты впервые провели аудит приложения ИИ для пищевой промышленности. Кофе является частью повседневной жизни для многих людей.
Кому-то нравится покрепче и покислее, а кто-то предпочитает более мягкий аромат — диапазон предпочтений огромен. Чтобы создать различные вкусы, производители кофе могут выбирать из примерно 200 сортов зерен по всему миру и смешивать их, чтобы создать вкусовой профиль с определенными характеристиками. Таким образом, существуют миллиарды возможных комбинаций.
Профиль вкуса включает в себя различные компоненты, такие как тело, кислотность, послевкусие и аромат. Каждый компонент может достигать уровней интенсивности по шкале от одного до десяти. Кроме того, рынок кофе подвержен частым колебаниям цен, что также должны учитывать производители кофе. ИИ идеально подходит для поддержки и облегчения этого и подобных процессов в пищевой промышленности.
К такому выводу пришли эксперты по ИИ Fraunhofer IPA после изучения алгоритмов, разработанных исследовательским институтом «Датский технологический институт» (DTI) в рамках аудита, и предложили некоторые предложения по доработке. DTI разработала алгоритмы для датского производителя кофе BKI food a/s с целью оптимизации обжарки кофе с учетом вышеупомянутых критериев вкуса, качества и стоимости.
С технической точки зрения это классическая проблема оптимизации: что должен сделать производитель кофе, чтобы создать определенный вкусовой профиль по определенной цене? DTI смоделировал эту проблему с помощью прототипа и нейронной сети.
Различные данные, такие как типы зерен, смеси и вкусы, легли в основу здесь, хотя сложность заключалась в том, что нейронные сети обычно учатся на огромном количестве данных и на многих прошлых примерах. Однако в этом случае база данных была очень маленькой. Поэтому в своем аудите эксперты IPA рекомендовали отказаться от нейронной сети и вместо этого использовать модель с более простой структурой и меньшим количеством параметров.
В конечном итоге была использована новая модель с менее чем десятью параметрами.
Кроме того, эксперты IPA разделили проблему оптимизации на две более мелкие подзадачи:
1) Какова оптимальная смесь для определенного вкусового профиля при определенном предварительном отборе зерен?
2) Какие бобы лучше всего подходят для этого, в том числе и по цене? DTI предложил использовать так называемый генетический алгоритм, который может решать комбинаторные задачи методом «проб и ошибок», а также другие алгоритмы, используемые в дополнение к этому.
У упрощенной модели также есть то преимущество, что она действует более предсказуемо, чем нейронные сети. Последние обычно называют «черными ящиками», потому что даже специалисты часто не знают, как именно был получен результат.
Это отсутствие объяснимости может снизить доверие к приложению ИИ, а также часто является юридическим препятствием.
Преимущества BKI заключаются в том, что сотрудники могут уделять время другим задачам. Кроме того, компания достигает экономии средств и гораздо большей гибкости в процессе закупок, поскольку она больше не зависит от импорта специальных сортов кофейных зерен из определенных регионов мира. Используя преимущества искусственного интеллекта, можно добиться того же вкуса, что и раньше, но на основе других и новых смесей сырого кофе, чем это было раньше.
Это создает гибкость в процессе закупок компании, что имеет решающее значение на рынке, где внезапные события могут затруднить импорт некоторых видов сырого кофе из-за рубежа.