神经生物学家 Gabriel Lepousez：“人工智能无法获取葡萄酒的分子成分”

人工智能有能力取代侍酒师吗？神经生物学家加布里埃尔·勒普塞兹 (Gabriel Lepousez) 认为，我们距离这一目标还很遥远。

巴斯德研究所的神经生物学家加布里埃尔·勒普塞兹 (Gabriel Lepousez)。

加布里埃尔·勒普塞斯 (Gabriel Lepousez) 是感官知觉和大脑可塑性方面的专家，他为研究领域的横向性辩护。就像他提倡对葡萄酒进行多感官品尝以了解其所有细微差别一样。在他的研究领域，这种非常复杂的认知过程使用了我们所有的五种感官，尤其是嗅觉，为他理解大脑和感知提供了理想的支持。另一方面，品尝可以为每个人科普科学和神经科学。凭借这种双重视角，他为《费加罗报》盘点了人工智能在酿造优质葡萄酒中所取得的进步。

费加罗报。- 你说，品酒的大问题不在于人工智能本身，而在于我们提供的数据。

加布里埃尔·勒普兹。-有效地。让我们以嗅觉分子为例。我们能预测它的气味吗？最好的模型是由来自宾夕法尼亚大学（莫内尔化学感官中心）和 Osmo（Google DeepMind 的分支机构）的研究团队最近开发的（科学杂志，2023 年 8 月）。该 POM（主要气味图）系统由香料数据库（5,000 个气味分子及其各自的描述符）提供数据，以预测数千个气味分子。尽管取得了这一成就，POM 仍然无法预测浓度程度，更不能预测分子之间的相互作用。它们的气味更浓还是更淡？AI不知道这一点。以香蕉为例，它会释放大约 50 种挥发性化合物，尽管系统可以向我们描述这 50 种化合物，但它无法告诉我们它是香蕉。尽管可以将图像、声音或文本数字化，但我们距离拥有能够将气味数字化的数字工具还很远。

然而，已经存在虚拟侍酒师、OK Google、亚马逊上的 Alexa 或 ChatGPT，他们可以帮助顾客找到他们的方式。

十多年来，个性化数字推荐领域的应用程序和网站蓬勃发展。没有一个真正突破。这些工具基于数千条现有的品尝评论和个人数据。他们遇到了两个陷阱。一方面，我们描述葡萄酒的词汇相对贫乏且不精确。另一方面，每个人之间也存在差异。我们的看法、偏好和经历各不相同。此外，人工智能无法获取葡萄酒的分子成分。最后，我们不要忽视每年都会生产数以千计的新年份酒，并具有明显的年份效应。所有这些因素都会削弱模型的性能。存在过度拟合错误的额外风险（即使用第一组数据训练的模型无法通过新数据的永久集成来概括它）。陷阱。因为，既然系统丢失了，它总是让我们趋向于同一个参照系。你喜欢一瓶吗？AI总会带你回到它。

那么人工智能在品尝中，对吗？

也不全是负面的。事实证明，人工智能可以为减少和简化对世界各地葡萄酒多样性心存疑虑的消费者的购买参数提供宝贵的帮助。

不过，您提到美国研究人员的研究在气味建模方面取得了巨大进展？

这是一个重要的里程碑。但他的结论证明，从化学家的角度分析气味并不能对它们进行分类。因此，化学性质接近的两个分子可以具有非常不同的气味。而且，今天我们缺乏对这些气味受体以及它们之间相互作用的了解。在化学分析方面，我们目前能够通过高分辨率质谱分析葡萄酒中的数以万计的分子（分析技术可以确定所分析化合物的分子质量及其鉴定）及其量化（编者注）为了解葡萄酒的成分打开了一扇独特的大门，前提是使用统计模型的帮助，该统计模型赋予这些数据意义并可以提取特定的特征。如果存在，该签名可用于优质葡萄酒的认证和防止欺诈。仍然有必要对足够多的瓶子进行排序，以估计时间的影响以及从一瓶到另一瓶的变异性。

然而，就葡萄酒而言，人工智能的进步非常迅速。尤其是香槟。

人工智能将能够为某些庄园提供决策支持，这些庄园根据历史年份、天气和葡萄栽培技术在收集、交叉引用和解释数据方面开展了大量工作。就像Denis Bunner 为 Bollinger 香槟屋所做的那样。但是，它无论如何都无法酿造葡萄酒，也无法预测其气味。

人工智能在决定我们的味觉和嗅觉方面仍处于起步阶段，这是否更幸运？

最重要的是，她很难理解我们都是不同的。一旦我们冒险进入感官领域，它就迷失了，没有资格校准我们的感知或我们的快乐。无论如何，幸运的是。因为系统化使用它的危险在于产品和方法的标准化。在葡萄酒行业，这是一场灾难。可以肯定的是，在品尝时，它还不能让品尝者更好地了解自己。