The Japan Times - IA percebe aroma de uísque melhor do que ser humano

Ao nosso redor, a maioria dos odores é composta de uma mistura complexa de moléculas que interagem em nosso sistema olfativo para criar uma impressão específica.

Esse é o caso do uísque, cujo perfil aromático pode ser determinado por mais de 40 compostos e pode conter um número ainda maior de compostos voláteis não odoríferos.

Isso torna particularmente difícil avaliar ou perceber as características aromáticas de um uísque com base apenas em sua composição molecular.

No entanto, foi exatamente isso que os químicos conseguiram fazer graças a dois algoritmos de aprendizado de máquina, de acordo com os resultados de um estudo publicado nesta quinta-feira na Communications Chemistry.

O primeiro algoritmo, OWSum, é uma ferramenta estatística para perceber odores moleculares desenvolvida pelos autores do estudo.

O segundo, CNN, é uma rede neural convolucional que ajuda a descobrir relações em conjuntos de dados muito complexos, como aqueles entre “as moléculas mais influentes e os atributos de aroma” em um uísque misturado, disse à AFP Andreas Grasskamp, pesquisador do Fraunhofer Institute for Process Engineering and Packaging IVV em Freising (Alemanha) e principal autor do estudo.

Os pesquisadores “treinaram” os algoritmos fornecendo a eles uma lista de moléculas detectadas por cromatografia gasosa e espectrometria de massas em 16 amostras de uísque: Talisker Isle of Skye Malt (10 anos), Glenmorangie Original, Four Roses Single Barrel, Johnnie Walker Red Label e Jack Daniel's, entre outros.

Eles também lhes deram descritores de sabor determinados para cada amostra por um painel de 11 especialistas.

Os algoritmos foram, então, usados para identificar o país de origem de cada uísque e suas cinco notas dominantes.

- Detecção de falsificações -

O OWSum foi capaz de determinar se um uísque era americano ou escocês com mais de 90% de precisão.

A detecção de compostos como mentol e citronelol foi fortemente associada a uma classificação como uísque americano, enquanto a detecção de decanoato de metila e ácido heptanoico foi associada principalmente a uísques escoceses.

O algoritmo também identificou as notas caramelizadas como as mais características dos uísques americanos, enquanto as notas de “maçã”, “diluentes” e “fenólicas” (geralmente descritas como um aroma defumado ou medicinal) foram as mais características dos uísques escoceses.

Em uma segunda etapa, os pesquisadores pediram à OWSum e à CNN que previssem as qualidades olfativas dos uísques com base nas moléculas detectadas ou em suas características estruturais.

Ambos os algoritmos foram capazes de identificar as cinco notas dominantes de um uísque com mais precisão e consistência, em média, do que qualquer especialista humano do painel.

“Descobrimos que nossos algoritmos se alinharam melhor com os resultados do painel do que cada membro individual, fornecendo, assim, uma estimativa melhor da percepção geral do odor”, disse Grasskamp.

Essas metodologias de aprendizado de máquina poderiam ser usadas para detectar falsificações ou para avaliar se o uísque misturado “terá o aroma esperado, ajudando, assim, a reduzir os custos ao limitar a necessidade de painéis de avaliação”, avalia.

É possível obter resultados semelhantes com o vinho? Em teoria, sim. "Tudo o que essas ferramentas precisam é de uma lista de compostos detectados na amostra e seus descritores correspondentes”, de acordo com Grasskamp.

“O desafio está nos detalhes mais refinados, como determinar se os aromas do vinho são suficientemente distintivos para um algoritmo de IA”, acrescentou.

T.Maeda--JT