一起用 AI
研究人员创造了一种人工智能工具，可以嗅出假酒
机器学习用于分析一瓶葡萄酒中的化合物，并追溯到庄园
 
科学家表示，特定地区的葡萄和土壤会影响葡萄酒中化合物的浓度。
 
冒充劣质酒作为高端酒的诈骗犯可能很快就会有人工智能来处理他们的案子；科学家训练了一种算法，根据常规化学分析追踪葡萄酒的来源。
 
研究人员使用机器学习根据几十种化合物浓度的细微差异来区分葡萄酒，使他们不仅可以追踪葡萄酒的特定葡萄种植区，还可以追踪葡萄酒的酿造地。
 
瑞士日内瓦大学的Alexandre Pouget教授说:“有很多葡萄酒欺诈行为，人们在车库里制造一些垃圾，印上标签，然后以数千美元的价格出售。”“我们第一次表明，我们对化学技术有足够的敏感度来分辨这种差异。”
 
为了训练这个程序，科学家们求助于气相色谱法，该方法被用于分析80种葡萄酒，这些葡萄酒是在12年间从法国波尔多地区的7个不同的庄园中收获的。这项技术通常用于实验室分离和鉴定组成混合物的化合物。
 
该算法不是试图找到区分一种葡萄酒和另一种葡萄酒的单个化合物，而是利用葡萄酒中检测到的所有化学物质来计算出每种物质最可靠的特征。该程序将结果显示在一个二维网格上，具有相似特征的葡萄酒被分组在一起。
 
“我们看到的第一件事，让我们眼前一亮的是，有一些星团对应着一个特定的城堡。这直接告诉我们，每个酒庄都有特定的化学特征，与年份无关，”Pouget说。“这是许多许多分子浓度的整体模式，它使一座城堡与众不同。每一首都是交响乐:没有一个音符将它们区分开来，而是整个旋律。”
 
除此之外，情节揭示了更多。引人注目的是，集群的位置反映了地面上庄园的位置，来自多尔多涅河以北的三个酒庄的葡萄酒与来自加龙河以西的四个酒庄的葡萄酒明显分开。“当我们从色谱图中做这些预测时，我们恢复了波尔多的地图，”Pouget说。
 
阿德莱德大学(University of Adelaide)葡萄酒科学副教授、《理解葡萄酒》(Understanding Wine)一书的合著者大卫·杰弗瑞(David Jeffery)说，“随着食品和农业领域的每一项新应用，机器学习在这种调查中的作用越来越明显。”化学.
 
许多因素，从葡萄和土壤到小气候和酿酒过程，都会影响每个酒庄葡萄酒中的化合物浓度。虽然该程序以99%的准确率追溯到正确的酒庄，但它很难区分年份，最多只能达到50%的准确率。
 
这项研究将于2010年发表通信化学，建议机器学习可以通过确认葡萄酒是否与其标签相符来帮助欺诈调查。在欧洲，假酒每年造成€30亿欧元(合26亿英镑)的销售额损失，最近的案件突显了活跃在该行业的犯罪网络的规模。今年早些时候，黑帮成员因将西班牙餐酒运入法国然后冒充成法国人。这场骗局持续了数年，据信涉及近500万瓶葡萄酒，其中一些是重新包装成波尔多葡萄酒.
 
虽然欺诈检测是该计划最明显的应用，但Pouget表示，这种方法可以用于监控整个酿酒过程的质量，并确保它得到很好的混合。“我们可以利用这一点来找出如何混合葡萄酒，以优化质量，”他说。“葡萄酒混合是酿造优质波尔多和香槟的关键步骤。到目前为止，这项工作是由少数几个酿酒师完成的，他们因为自己的技术而获得了丰厚的报酬。有了这样的工具，生产优质混合物的成本会低很多，这对每个人都有好处。”
2023-12-05
浏览413
📈｜行业动态
登录后评论
评论
分享