Lunes 30 de Diciembre de 2024
Un reciente estudio publicado en Communications Chemistry explora la posibilidad de que los algoritmos de aprendizaje automático puedan superar a los catadores humanos en la identificación de perfiles aromáticos en el whisky. Esta investigación combina análisis químico avanzado con modelos computacionales, planteando nuevas oportunidades para la industria de las bebidas alcohólicas.
El análisis químico, utilizado para descomponer y analizar aromas y sabores, ha demostrado tener un gran potencial en el sector. Este mismo año, investigadores de la Universidad Heriot-Watt, en Edimburgo, desarrollaron una técnica para "huellas digitales" de los compuestos de sabor en ginebra, con el objetivo de combatir la falsificación de bebidas espirituosas. Este avance sentó las bases para la reciente investigación, que aplica métodos similares al whisky mediante la integración de datos químicos con algoritmos de inteligencia artificial.
El estudio evaluó 16 muestras de whiskies estadounidenses y escoceses mediante cromatografía de gases acoplada a espectrometría de masas. A partir de estos análisis, se utilizó un modelo de aprendizaje automático para identificar compuestos clave y asociarlos con descriptores aromáticos específicos. Entre los hallazgos principales, se determinó que los aromas de caramelo son predominantes en los whiskies estadounidenses, mientras que los escoceses se decantan por notas de manzana, fenoles y solventes. Los compuestos mentol y citronelol fueron claves para identificar whiskies estadounidenses, mientras que el metil decanoato y el ácido heptanoico tuvieron mayor impacto en la clasificación de los escoceses.
El modelo computacional fue probado frente a un panel de 11 catadores profesionales, quienes no lograron consenso sobre las cinco notas principales de cada muestra, requiriendo un promedio de sus evaluaciones. En comparación, el algoritmo mostró una capacidad superior para predecir las características aromáticas de las muestras, según señalaron los autores del estudio, Satnam Singh y Doris Schicker, de la Universidad Friedrich-Alexander en Erlangen-Núremberg, Alemania.
Aunque el algoritmo demostró ser más consistente que los panelistas humanos en identificar los perfiles químicos y sus descriptores asociados, los investigadores subrayaron que no se busca reemplazar a los expertos humanos. En lugar de ello, la tecnología pretende complementar su labor, proporcionando una herramienta rápida y fiable para predecir olores en mezclas complejas. Esto podría reducir significativamente el tiempo y esfuerzo necesarios en evaluaciones sensoriales industriales.
Sin embargo, el estudio también señala las limitaciones de los algoritmos. Aunque pueden identificar compuestos químicos y describir aromas, no pueden evaluar subjetivamente la calidad o el placer que un whisky puede ofrecer. Las diferencias en las notas de cata entre panelistas son una parte esencial del proceso de degustación, ya que enriquecen la perspectiva general sobre el producto.
Este avance marca un paso importante hacia la integración de la inteligencia artificial en la industria de las bebidas espirituosas. Probablemente, en poco tiempo, estas herramientas podrían revolucionar la forma en que se analizan y clasifican los productos, sin perder de vista que el consumidor final sigue siendo humano, con un paladar influido por emociones y preferencias personales.