La Inteligencia Artificial como herramienta para la selección de vinos

La Universidad de Copenhague ha desarrollado una IA capaz de encontrar vinos que se ajusten específicamente a los gustos de diferentes tipos de consumidores

Lunes 08 de Enero de 2024

Compártelo

Leído › 3803 veces

En la actualidad, la selección de un vino adecuado puede resultar una tarea abrumadora, especialmente para aquellos que no son expertos en la materia. Frente a estantes repletos de botellas con etiquetas que a menudo resultan indescifrables, surge una pregunta recurrente: ¿Cómo elegir el vino que mejor se ajusta a nuestros gustos? La respuesta a esta incógnita parece residir en una herramienta tecnológica inesperada: la inteligencia artificial (IA).

Aplicaciones como Vivino y Hello Vino, que son ampliamente utilizadas por consumidores de vino, están incorporando algoritmos de IA en sus sistemas para ayudar a los usuarios a seleccionar la botella perfecta. Esta innovación representa un avance significativo en el campo de la enología y promete transformar no solo la forma en que seleccionamos vinos, sino también cómo elegimos cervezas, cafés e incluso recomendaciones personalizadas de alimentos.

La Universidad de Copenhague, en colaboración con la Universidad Técnica de Dinamarca (DTU) y el Instituto Tecnológico de California (Caltech), ha llevado a cabo un estudio pionero en este ámbito. Bajo la dirección de Thoranna Bender, estudiante de posgrado en DTU, y la supervisión del Centro Pionero de IA de la Universidad de Copenhague, se ha desarrollado un algoritmo que integra las impresiones de sabor de los usuarios para ofrecer recomendaciones de vinos altamente precisas.

Este enfoque, que utiliza las impresiones de sabor de las personas como un nuevo parámetro en los algoritmos, tiene el potencial de afinar aún más las recomendaciones de vino, ajustándolas a las preferencias individuales de cada consumidor. Durante catas de vino realizadas en el estudio, los participantes debían ordenar vasos de vino en una hoja de papel A3, basándose en similitudes percibidas en su sabor. Los investigadores digitalizaron estos datos y los combinaron con información de miles de etiquetas de vinos y reseñas de usuarios proporcionadas por Vivino.

El algoritmo resultante es capaz de identificar qué vinos son similares en sabor y cuáles no, lo que permite a los usuarios encontrar vinos que se ajusten específicamente a sus gustos. Serge Belongie, profesor del Departamento de Ciencias de la Computación y coautor del estudio, destaca que la combinación de datos provenientes de etiquetas de vino, reseñas y catas de vino permite hacer predicciones más precisas sobre las preferencias de vino de las personas, en comparación con el uso exclusivo de datos tradicionales como imágenes y texto.

Este enfoque multimodal, que emplea datos sensoriales humanos, no solo es aplicable al vino, sino que también tiene el potencial de revolucionar otros sectores, como la cerveza y el café. Además, podría emplearse en el ámbito de la alimentación para recomendar productos y recetas, e incluso en el sector sanitario para elaborar menús que se ajusten tanto al gusto como a las necesidades nutricionales de los pacientes.

El equipo de investigación ha publicado sus datos en un servidor abierto, lo que permite que otros investigadores y desarrolladores construyan sobre la base de esta investigación. El conjunto de datos WineSensed incluye 897 mil imágenes de etiquetas de vino y 824 mil reseñas de vinos de la plataforma Vivino, abarcando más de 350 mil cosechas únicas. Además, se han obtenido anotaciones detalladas sobre el sabor de una submuestra de vinos, a través de un experimento de cata con 256 participantes, generando más de 5 mil distancias de sabor entre pares de vinos.

Este avance en la aplicación de la IA en la selección de vinos no solo es un logro tecnológico, sino también una herramienta valiosa para mejorar la experiencia de los amantes del vino, ofreciendo recomendaciones personalizadas que se adaptan a sus paladares únicos.

Referencia: Learning to Taste: A Multimodal Wine Dataset https://doi.org/10.48550/arXiv.2308.16900 

¿Te gustó el artículo? Compártelo

Leído › 3803 veces