Шахраї, які видають бормотуху за висококласний напій, незабаром можуть мати опонентом — штучний інтелект у своїй справі; вчені навчили алгоритм відстежувати походження вина на основі рутинних хімічних аналізів.

Дослідники використовували машинне навчання, щоб розрізняти вина на основі тонких відмінностей у концентраціях десятків сполук, що дозволяло їм відстежувати вина не лише до певного регіону вирощування винограду, але й до маєтку, де вино виготовлялося.

«Навколо багато шахрайства з вином: люди вигадують якусь лайно у своїх гаражах, друкують етикетки та продають їх за тисячі доларів», — сказав професор Александр Пуже з Женевського університету в Швейцарії. «Ми вперше показуємо, що маємо достатньо чутливості з нашими хімічними методами, щоб визначити різницю».

Щоб навчити програмі, вчені звернулися до газової хроматографії, яка була використана для аналізу 80 вин, зібраних протягом 12 років із семи різних маєтків у регіоні Бордо у Франції. Ця методика зазвичай використовується в лабораторіях для розділення та ідентифікації сполук, що утворюють суміш.

Замість того, щоб намагатися знайти окремі сполуки, які відрізняють одне вино від іншого, алгоритм спирається на всі хімічні речовини, виявлені у вині, щоб виробити найбільш надійний підпис для кожного. Програма відображає результати на двовимірній сітці, де вина зі схожими ознаками групуються разом.

«Перше, що ми побачили, це кластери, які відповідають певним замкам. Це відразу підказало нам, що для кожного замку є специфічний хімічний сигнатур, незалежно від вінтажу», — сказав Пуже. «Це загальна схема концентрації багатьох, багатьох молекул, що відрізняє замки. Кожна — це симфонія: немає жодної ноти, яка їх відрізняє, це вся мелодія».

Сюжети розкрили ще багато іншого. Вражаюче розташування кластерів віддзеркалювало розташування маєтків на землі, з винами з трьох замків на північ від річки Дордонь чітко відокремлених від чотирьох замків на захід від річки Гаронна. «Коли ми робимо ці проекції з хроматограм, ми відновлюємо карту Бордо», — сказав Пуже.

«Потужність машинного навчання для такого роду досліджень стає все більш очевидною з кожним новим застосуванням у харчовій промисловості та сільському господарстві», — сказав Девід Джеффрі, доцент винознавства в Університеті Аделаїди та співавтор книги «Розуміння хімії вина» . .

Багато факторів, від винограду та ґрунту до мікроклімату та процесу виноробства, впливають на концентрацію сполук, які містяться у винах у кожному замку. У той час як програма відстежувала вина до правильних замків з точністю 99%, їй було важко розрізняти вінтажі, досягаючи в кращому випадку точності 50%.

Дослідження, яке має бути опубліковане в Communications Chemistry , передбачає, що машинне навчання може допомогти розслідувати шахрайство, підтверджуючи, чи відповідає вино етикетці. У Європі, де фальшива випивка щорічно спричиняє втрату продажів на 3 мільярди євро (2,6 мільярда фунтів стерлінгів), нещодавні випадки підкреслили розмір злочинних мереж, активних у цій галузі. Раніше цього року членів банди було засуджено за те, що вони доставляли танкери з іспанським столовим вином до Франції , перш ніж видати його за французьке. Шахрайство відбувалося протягом багатьох років і, як вважають, включало еквівалент майже 5 мільйонів пляшок, деякі з яких були перепаковані як бордо .

Незважаючи на те, що виявлення шахрайства є найбільш очевидним застосуванням програми, Пуже сказав, що цей підхід можна використовувати для моніторингу якості протягом усього процесу виноробства та для забезпечення його правильного змішування. «Ми могли б використати це, щоб зрозуміти, як змішувати вина для оптимізації якості», — сказав він. «Змішування вин є ключовим кроком у створенні чудового бордо та шампанського. Поки що цим займаються кілька виноробів, яким платять шалені гроші за їхню майстерність. Маючи такі інструменти, було б набагато дешевше робити чудові суміші, які принесуть користь усім».