Kan en datamaskin "smake" en tomat eller et blåbær? Vel, ikke akkurat, men det kan fortelle forskere hvilke flyktige stoffer i disse fruktene som får dem til å smake godt, sier forskere fra University of Florida.
University of Florida Institute of Food and Agricultural Sciences (UF/IFAS) oppdretter og genetiker Marcio Resende ønsker å lage det han kaller en «Artificial Intelligence Connoisseur», en modell som forteller forskerne hvilke kjemiske forbindelser – det vil si flyktige stoffer, sukkerarter, syrer og andre kjemiske forbindelser – gir de beste fruktsmakene.
For å finne ut om en frukt eller grønnsak er verdt å avle, prøver forskerne avlingen for smak og lukt selv, går gjennom åkre og plukker produkter individuelt.
Disse prosessene kan by på logistiske problemer, sa Harry Klee, professor i hagebruk ved UF/IFAS og medforfatter av en ny studie som ser på hvordan datamodeller kan bruke flyktige stoffer for å måle fruktsmak.
"På grunn av kostnads- og logistiske begrensninger, bruker oppdrettere vanligvis ikke forbrukerpaneler i programmene sine," sa Klee. "Det ideelle ville være å bruke et stort forbrukerpanel som inkluderer et mangfoldig sett med potensielle forbrukere. Vi bruker 100 personer, som spenner over et spekter av alder og etnisitet. Denne tilnærmingen er mye mer representativ for populasjonen av shoppere."
I årevis hjalp planteforedlere og genetikere bøndene med å høste høyere avlinger fordi forbrukerorienterte egenskaper som smak er vanskeligere å måle. Høyt utbytte er imidlertid ikke nok for produsenter til å konkurrere i dagens krevende markeder, sa Patricio Muñoz, en lektor ved UF/IFAS hagebruksvitenskap med ansvar for blåbæravlsprogrammet.
Produsentene vet at hvis de ikke inkluderer varianter som smaker godt, kan det hende at frukten deres ikke selges for en god pris eller selges i det hele tatt, sa Muñoz. Med disse metodene håper forskerne å hjelpe produsentene med å holde seg konkurransedyktige og forbrukerne få en bedre opplevelse med produktene deres.
Ved å bruke disse modellene kan et avlsprogram vurdere smaksvurderinger for mange frukt- og grønnsaksvarianter. Denne prosessen var tidligere begrenset av at verken forskere eller forbrukerpaneler kan teste veldig mange varianter på en gang.
Resende ledet den nye forskningen som viser måter å få data fra flyktige stoffer i blåbær og tomater inn i en statistisk modell. Forskningsresultatene er nå begrenset til disse to fruktene, men vil senere bli utvidet til andre avlinger UF/IFAS-forskere utvikler.
For å gjennomføre sin nye studie brukte UF/IFAS-forskere data fra tomat- og blåbæravlsprogrammet fra det siste tiåret.
De ga et mangfoldig sett med tomat- og blåbærvarianter til forbrukerpaneler på UF Sensory Lab i Gainesville. Forskerne samlet deretter vurderinger på smaksegenskaper som "liking", sødme, surhet, smaksintensitet og umami.
UF/IFAS-forskere testet utvalget av poeng som forteller dem hvor mye en forbruker liker en smak. Som det viser seg, forklarte flyktige stoffer opptil 56 % av "like"-skårene, noe som forsterker bevis på at flyktige stoffer er viktige for å bestemme hvor mye forbrukere liker frukten. Flyktige stoffer er også viktige for å kvantifisere og estimere viktigheten av fruktsmak, sa Resende.
Videre viste forskere at maskinlæringsmetoder generelt er de beste prediktorene for forbrukernes smakspreferanser, kalt metabolomisk utvalg. Nøyaktighetene for metabolsk seleksjon er overlegne modeller som bruker genomiske data i stedet, og fremhever potensialet til denne nye metoden i avlsapplikasjoner.
"Jeg tror hovedpoenget er at oppdrettere kan screene et større antall prøver," sa Resende, en UF/IFAS-assistentprofessor i hagebruksvitenskap. "På denne måten har du en bredere trakt for å identifisere de godt smakende variantene, og på et tidspunkt gjør smakstestpaneler et endelig utvalg med sensoriske data. Vi forventer at disse modellene vil muliggjøre en tidligere inkorporering av smak som et avlsmål og oppmuntre til valg og frigjøring av mer smakfulle fruktvarianter."
I tillegg til Resende, inkludert blant de andre UF/IFAS-fakultetene som undersøkte datamaskinmodellmetoden for smakstesting, var Klee, Muñoz og Denise Tieman, en forskningsassistentprofessor – alle tre ved hagebruksvitenskapsavdelingen; Charlie Sims, professor i matvitenskap og menneskelig ernæring og Nikolay Bliznyuk, førsteamanuensis i landbruks- og biologisk ingeniørfag. Verket er også førstegangsforfattet av Ph.D. student Vincent Colantonio og forskningsassistentforsker Luís Felipe Ferrão.
Klikk nedenfor for en video der Resende forklarer denne nye AI-forskningen.
- Brad Buck, University of Florida