Umetna inteligenca je lahko tudi zelo koristno orodje za preprečevanje pogostih in težko dokazljivih prevar v vinski industriji, so ugotovili raziskovalci z ženevske univerze. Razvili so namreč umetno inteligenco, ki lahko na podlagi majhnega vzorca vina izjemno natančno ugotovi, od kod vino izvira. Ne določi zgolj ožjega geografskega območja, ampak točen vinograd oz. vinsko klet, raziskavo povzema Guardian.

"Prevare z vini so zelo pogoste. Ljudje v svojih kleteh pridelajo zanič vino, natisnejo etiketo in nato steklenico prodajo za več sto ali tisoč dolarjev," v pogovoru za Guardian pravi profesor Alexandre Pouget z Univerze v Ženevi in dodaja, da so sami razvili strojno učenje, ki prepoznava tudi najmanjše razlike v kemijski sestavi vina, s čimer ugotovi njegov izvor.

Program so raziskovalci zasnovali na podlagi plinske kromatografije 80 različnih vzorcev vina, ki so jih pridelali v zadnjih 12 letih v sedmih različnih vinogradih v Bordeauxu. A namesto da bi iskali sestavine, na podlagi katerih se vzorci med sabo razlikujejo, so razvili algoritem, ki analizira spojine in njihove kombinacije. Kaj hitro so ugotovili, da so si vzorci različnih letnikov, pridelani v isti kleti, precej podobni, a na zapleten način. "Ne gre za posamezne spojine, ampak za molekularni vzorec. Vsak sestavlja unikatno simfonijo. Ne razlikujejo se v eni noti, ampak v celotni melodiji," odkritje skozi glasbeni zapis ponazori raziskovalec.

"To nam je povedalo, da ima vsaka klet svoj kemijski podpis, ki ni odvisen od letnika," razlaga Pouget. Ko so ugotovili, na kaj morajo biti pozorni, so umetno inteligenco usmerili na še ožje področje in kmalu ugotovili, da lahko ta razvrsti posamezne vzorce celo po vinogradih.

Na molekularno sestavo vina vpliva veliko različnih dejavnikov

Znano je namreč, da na kemijsko sestavo vina vplivajo zelo različni dejavniki – od sorte vinske trte, do zemlje, vremena, (mikro)podnebja, pa tudi postopka kletarjenja. Pouget se je pohvalil, da je njihov program v 99 odstotkih testiranih vzorcev pravilno ugotovil izvor vina, malo več težav pa je imel pri določanju letnika – tu je bil namreč le 50-odstotno uspešen.

Kljub vsemu raziskovalci v programu vidijo velik potencial, predvsem ko gre za odkrivanje vinskih ponaredkov. Sploh v Evropi je ta tematika zelo aktualna, saj pristojni opozarjajo, da zaradi ponaredkov vinska industrija v Evropski uniji letno izgubi tri milijarde evrov prihodkov, še poroča Guardian.

Pouget pa možnost za izkoristek strojnega učenja vidi tudi v sami pridelavi vina: "Lahko ga uporabimo za povečanje kakovosti vina, sploh pri mešanju vina. Mešanje vina je ključen korak pri pridelavi odličnega bordojca ali šampanjca. Za zdaj to počne le nekaj strokovnjakov, ki za to dobivajo mastna plačila. Takšna orodja bi ta postopek precej pocenila, od česar bi imeli vsi korist."

Svojo raziskavo so švicarski znanstveniki objavili v strokovni reviji Communications Chemistry.