Tastry “Dạy Máy Tính Nhận Biết Vị”

Làm thế nào Tastry sử dụng hóa học và trí tuệ nhân tạo để dự đoán sở thích của người tiêu dùng.

Từ đầu, câu hỏi chúng tôi muốn trả lời là: “Chúng tôi có thể giải mã các ma trận hương vị độc đáo của các sản phẩm dựa trên cảm giác và các sở thích sinh học độc đáo của người tiêu dùng để dự đoán chính xác khả năng thích hợp?” Câu trả lời ngắn gọn là có.

Tuy nhiên, ngay từ đầu nghiên cứu của chúng tôi, chúng tôi đã phát hiện ra rằng các phương pháp phân tích hóa học hiện có và dữ liệu sở thích của người tiêu dùng hiện có cung cấp mối tương quan hoặc dự đoán thống kê không đáng kể. Chúng tôi biết rằng chúng tôi sẽ phải tạo ra dữ liệu của riêng mình để có thể tiến bộ.

Trước hết, chúng tôi cần tạo ra một phương pháp phân tích hóa học sẽ cung cấp sự minh bạch tối đa về hóa học (bao gồm cả các hợp chất dễ bay hơi, không bay hơi, hòa tan, dữ liệu quang phổ, v.v.) Chúng tôi cũng cần giải mã ma trận hương vị theo cách có thể được dịch để giúp xấp xỉ cách con người trải nghiệm hóa học đó trên vòm miệng của họ.

Thứ hai, chúng tôi cần tạo ra một phương pháp để liên tục và chính xác thu thập, tăng cường và theo dõi các sở thích sinh học cảm giác của một nhóm người tiêu dùng lớn, đa dạng và ngày càng tăng để phục vụ như một sự thật cơ bản.

Tại sao các phương pháp hiện tại không dự đoán được sở thích của người tiêu dùng đối với các sản phẩm dựa trên cảm giác

Khi chúng tôi bắt đầu nghiên cứu của mình vào năm 2015, chúng tôi đã đưa ra giả thuyết rằng mọi thứ bạn cần biết về hương vị của rượu vang, tức là hương vị, mùi thơm, kết cấu và màu sắc – đều tồn tại trong hóa học. Tuy nhiên, điều gì còn thiếu là một phương pháp phân tích toàn diện hơn.

Để giải thích hạn chế này, điều quan trọng là phải hiểu rằng hóa học của các sản phẩm dựa trên cảm giác chủ yếu tập trung vào kiểm soát chất lượng, tức là có bao nhiêu chất phân tích trong hỗn hợp đó? Sự tập trung không phải là để đánh giá tất cả các chất phân tích, tỷ lệ tương đối của chúng hoặc cách chúng kết hợp trên vòm miệng của con người để tạo ra hương vị. Đây là điểm mù mà chúng tôi cần phải làm sáng tỏ vì có những tương tác động xảy ra giữa hàng trăm hợp chất trên vòm miệng của con người. Vòm miệng của con người trải nghiệm một “súp hóa học” của các hợp chất hương vị cùng một lúc, không phải một hợp chất tại một thời điểm như một máy làm. Các tương tác giữa các hợp chất này kết hợp với sinh học độc đáo của từng người tiêu dùng cung cấp bối cảnh quan trọng về những tính năng của hóa học được biểu hiện cho người đó.

Khi cảm giác được tính đến, cách tiếp cận điển hình như sau:

• Dữ liệu khảo sát cho thấy mọi người thích bơ.
• Diacetyl là một hợp chất thường được liên kết với hương vị của bơ.
• Nếu chúng tôi tạo ra một loại chardonnay với nhiều diacetyl hơn, nhiều người sẽ thích nó hơn.

Các vấn đề cốt lõi với cách tiếp cận này.

1. Hương vị không thể được dự đoán bằng cách định lượng các hợp chất alone. Một nồng độ nhất định của diacetyl có thể được nhận thức là bơ trong một loại rượu vang hoặc vintage, nhưng không phải trong một loại khác. Điều này là do có hàng trăm hợp chất khác trong rượu vang, và tùy thuộc vào nồng độ và tỷ lệ của chúng, diacetyl có thể bị che giấu hoặc được biểu hiện. Không giống như một máy, con người đang trải nghiệm tất cả các hợp chất cùng một lúc, cảm giác của họ không phân tích từng hợp chất riêng lẻ, do đó bất kỳ định lượng nào không nhất thiết phải dự đoán.

2. Con người nhận thức và giao tiếp hương vị khác nhau. Ngay cả trong một bảng chuyên gia, nửa số chuyên gia có thể mô tả một thứ gì đó có vị như táo, và nửa còn lại có thể mô tả nó như lê. Và người tiêu dùng trung bình thậm chí còn ít dự đoán hơn. Từ nghiên cứu của chúng tôi, chúng tôi không tin rằng vị giác của con người đủ cụ thể để được truyền đạt chính xác thông qua ngôn ngữ từ người này sang người khác. Các mô tả của chúng tôi quá mơ hồ, và định nghĩa của chúng tôi thay đổi dựa trên sinh học và kinh nghiệm văn hóa cá nhân. Ví dụ, ở Mỹ, hầu hết người tiêu dùng mô tả cảm nhận của benzaldehyde là “hương vị cherry”, nhưng hầu hết người tiêu dùng ở châu Âu mô tả nó là “hương vị marzipan”… ngay cả trong cùng một loại rượu vang.

3. Các hương vị mà người tiêu dùng nhận thức không có mối tương quan với việc họ có thích nó hay không. Trong nghiên cứu của chúng tôi, người tiêu dùng không quyết định mua một loại rượu vang vì nó có vị như cherry. Họ chỉ đưa ra phán đoán rằng họ thích rượu vang đó, và họ có khả năng sẽ thích nó lại.

Ví dụ: Sự thiếu hiểu biết này không độc nhất đối với phân khúc rượu vang. Chúng tôi đã gặp gỡ các giám đốc điều hành và nhà nghiên cứu tại một số công ty hương liệu và nước hoa lớn nhất thế giới. Một giám đốc điều hành đã mô tả sự thất vọng của mình với một dự án gần đây để tạo ra một loại sô cô la lavender mới. Công ty này đã chi hàng triệu đô la để tổ chức và chạy các nhóm tập trung với người tiêu dùng, những người đặc biệt yêu thích sô cô la, yêu thích lavender và yêu thích sô cô la lavender. Cuối cùng, kết quả là những người trả lời đồng ý rằng đó là sô cô la lavender, nhưng họ cũng đồng ý rằng họ không thích loại sô cô la lavender cụ thể đó.

Do đó, chúng tôi kết luận rằng chúng tôi nên tập trung nghiên cứu của mình vào việc dự đoán những ma trận hóa học mà người tiêu dùng thích, và ở mức độ nào, thay vì những hương vị họ nhận thức.

Làm thế nào cách tiếp cận của chúng tôi khác biệt

Rác vào, rác ra. Khi nói đến chất lượng dữ liệu, chúng tôi nhận ra rằng một tập dữ liệu đào tạo hợp lệ không thể được tạo ra từ dữ liệu thương mại hoặc dữ liệu được cung cấp bởi đám đông. Chúng tôi sẽ phải tạo ra dữ liệu của riêng mình, trong nhà.

Điều đầu tiên chúng tôi cần là một phương pháp hóa học sẽ cung cấp khả năng hiển thị về sự cân bằng tinh tế của các hợp chất dễ bay hơi, không bay hơi, hòa tan, dữ liệu quang phổ, v.v. của một loại rượu vang trong một bức tranh, để có thể liên quan hơn đến vòm miệng của con người.

Năm năm thử nghiệm đã dẫn đến một phương pháp tạo ra hơn 1 triệu điểm dữ liệu trên mỗi mẫu. Số lượng dữ liệu khổng lồ và chi tiết này sau đó được xử lý bởi các thuật toán học máy được thiết kế bởi nhóm khoa học dữ liệu của chúng tôi để giải mã các mối quan hệ phụ thuộc mà thông tin về sự nhận thức của con người dựa trên tỷ lệ của các chất phân tích và nhóm chất phân tích.

Một khi chúng tôi đã chứng minh hiệu quả của phương pháp này, chúng tôi đã bắt đầu phân tích và giải mã ma trận hương vị của hàng nghìn loại rượu vang trên toàn thế giới và đã phát triển một cơ sở dữ liệu ma trận hương vị toàn diện về thế giới của rượu vang.

Liên quan sở thích của người tiêu dùng với hóa học

Tiếp theo, chúng tôi cần hiểu những ma trận hương vị mà các người tiêu dùng khác nhau thích bằng cách cho họ nếm và đánh giá rượu vang mà chúng tôi đã phân tích. Trong nhiều năm, chúng tôi đã tổ chức các bảng nếm mù đôi với hàng nghìn người tiêu dùng, mỗi người nếm nhiều chục hoặc hàng trăm loại rượu vang theo thời gian. Người trả lời bao gồm những người mới bắt đầu với rượu vang, người uống rượu vang thông thường, chuyên gia, nhà sản xuất rượu vang và sommelier.

Các hệ thống được cung cấp bởi đám đông thường bỏ lỡ hoặc bỏ qua các dữ liệu quan trọng. Ví dụ, trên thang điểm Parker, hầu hết mọi người sẽ không đánh giá một loại rượu vang dưới mức 80 điểm. Nhưng chúng tôi đã học được rằng người tiêu dùng không thích những gì họ không thích, hơn là thích những gì họ thích. Do đó, điều quan trọng là phải có một bức tranh đầy đủ về sở thích – đặc biệt là sở thích tiêu cực.

Chúng tôi đã sử dụng học máy mới của mình để hiểu sở thích độc đáo của người tiêu dùng cho các loại ma trận hương vị khác nhau trong rượu vang. Theo thời gian, điều này đã cho phép chúng tôi dự đoán chính xác sở thích của họ cho những loại rượu vang mà họ chưa từng nếm. Trong quá trình này, chúng tôi cũng đã học được rằng các loại rượu vang riêng lẻ, cũng như sở thích cá nhân, gần như giống như dấu vân tay trong sự độc đáo của chúng. Chúng tôi đã kết luận rằng, trái ngược với các phương pháp thông thường của ngành công nghiệp, người tiêu dùng và rượu vang không thể được nhóm hoặc lọc cộng tác vào các khái quát.

Ví dụ: Hai phụ nữ có thể chia sẻ cùng một địa lý, văn hóa, dân tộc, giáo dục, thu nhập, xe hơi, điện thoại, và cả hai đều yêu thích rượu vang Kim Crawford Sauvignon Blanc; nhưng một người có thể yêu thích rượu vang Morning Fog Chardonnay và người kia có thể ghét nó. Sự dự đoán đáng tin cậy duy nhất nằm ở vòm miệng sinh học của họ.

Làm thế nào để mở rộng sự đổi mới này?

Điều chúng tôi đã tạo ra là tuyệt vời, nhưng các bảng nếm là tốn kém và mất thời gian. Nó sẽ là không thể để chạy một bảng nếm hàng năm của tất cả 248 triệu người Mỹ từ 21 tuổi trở lên để hiểu những loại rượu vang họ sẽ thích.

Chúng tôi muốn thiết kế một công cụ có thể mở rộng có hiệu quả dự đoán sở thích của người tiêu dùng mà không cần tham gia vào các bảng nếm hoặc thể hiện sở thích của họ cho một tập hợp lớn các loại rượu vang đã được nếm trước đó.

Giải pháp của chúng tôi là để AI chọn các mặt hàng thực phẩm đơn giản mà chia sẻ các khía cạnh hóa học với rượu vang trong một bộ sưu tập. Người trả lời trong các bảng nếm của chúng tôi đã trả lời hàng trăm câu hỏi như vậy về sở thích của họ cho các loại thực phẩm và hương vị không liên quan trực tiếp đến rượu vang; chẳng hạn như, “Bạn cảm thấy thế nào về ớt chuông xanh?”, hoặc “Bạn cảm thấy thế nào về nấm?”

Các câu hỏi này được sử dụng bởi TastryAI như các tương tự về các loại và tỷ lệ của các hợp chất thường được tìm thấy trong hóa học cơ bản của rượu vang. Là con người, chúng tôi không thể giải mã hoặc hiểu các mối tương quan và mẫu phức tạp này, nhưng như nó xảy ra, việc giải quyết các mối quan hệ phức tạp này là một vấn đề tuyệt vời cho học máy để giải quyết.

Với dữ liệu này, TastryAI đã học cách dự đoán sở thích của người tiêu dùng cho rượu vang dựa trên câu trả lời của họ cho Khảo sát Sở thích Thực phẩm. Điều gì đã xảy ra là khả năng của chúng tôi để loại bỏ nhu cầu về bất kỳ dữ liệu cụ thể về rượu vang nào từ người tiêu dùng để dự đoán sở thích của họ cho rượu vang.

Làm thế nào nhiều dữ liệu chúng tôi cần để hiểu sở thích của người tiêu dùng?

Mặc dù chúng tôi bắt đầu với hàng trăm câu hỏi về sở thích thực phẩm, nhưng càng nhiều câu hỏi được trả lời, kết quả càng chính xác, có sự giảm dần sau 9-12. Với nguyên tắc Pareto hoạt động, các câu hỏi sở thích thực phẩm hoạt động tốt nhất đã cung cấp khoảng 80% hiểu biết về vòm miệng của người tiêu dùng.

Hiện tại, thường có một cuộc khảo sát 10-12 câu hỏi cho rượu vang đỏ, và một cuộc khảo sát 10-12 câu hỏi khác cho rượu vang trắng, rosé và rượu vang sủi tăm.

Điều này đã cho phép một giải pháp có thể mở rộng. Kể từ khi chúng tôi ra mắt trong các thử nghiệm khác nhau nhiều năm trước, hiện có nhiều cuộc khảo sát tương tự trên các trang web thương mại điện tử. Một người tiêu dùng thực hiện một cuộc khảo sát 30 giây về việc họ có thích quả mọng hoặc cà phê hay không, và họ được thưởng bằng các khuyến nghị về rượu vang. Sự khác biệt là những cuộc khảo sát đó chỉ là bộ lọc ghi chú nếm, tức là nếu bạn thích quả mọng, bạn sẽ thích một loại rượu vang được mô tả bởi ai đó là có vị trái cây sẫm, hoặc nếu bạn thích cà phê, thì bạn sẽ thích một loại rượu vang được mô tả bởi ai đó là se. Nhưng chúng tôi đã học được rằng nếu những mô tả đó là chính xác cho vòm miệng của người đó, thì chúng không có sức mạnh dự đoán liệu họ có thích rượu vang hay không; nhưng chúng rất hấp dẫn, người tiêu dùng thích các cuộc khảo sát.

Khuyến nghị của Tastry được gắn với ma trận hương vị của rượu vang. TastryAI không phải là một bộ lọc ghi chú nếm, nó không hỏi liệu bạn có thích hương vị hoặc vị của nấm trong rượu vang của bạn, nó đang cố gắng hiểu tỷ lệ của các hợp chất bạn thích hoặc không thích dựa trên sở thích vòm miệng sinh học của bạn. Mỗi câu hỏi cung cấp nhiều lớp thông tin vì mỗi câu hỏi chồng chéo và cung cấp thông tin cho các câu hỏi khác. Vì vậy, sau khi hỏi về nấm, có thể câu hỏi tiếp theo là “Bạn cảm thấy thế nào về vị của ớt chuông xanh?” AI có thể biết rằng có 33 hợp chất trong một tỷ lệ nhất định thường chịu trách nhiệm về nhận thức của nấm, và 22 hợp chất thường chịu trách nhiệm về vị của ớt chuông xanh – nhưng quan trọng là một số hợp chất đó tồn tại trong cả hai. Nếu bạn nói rằng bạn yêu thích nấm, nhưng ghét ớt chuông xanh, thì AI tự tin hơn rằng bạn thích một số hợp chất, tự tin hơn rằng bạn không thích các hợp chất khác, và những hợp chất đó chồng chéo nhau có thể là ngữ cảnh.

Vì vậy, bạn có thể hình dung một biểu đồ Venn đa chiều, nơi AI đang giải mã những hợp chất bạn thích hoặc không thích khi kết hợp với các hợp chất khác.

Và với cuộc khảo sát sở thích hương vị này, và phản hồi của người tiêu dùng, chúng tôi thu thập dữ liệu vòm miệng ẩn danh từ khắp thế giới. Một trang web thương mại điện tử, hoặc một nhà bán lẻ lớn, có thể khởi chạy Cuộc khảo sát Tastry trên ứng dụng của họ, và có hàng nghìn phản hồi trong vài giờ từ người tiêu dùng trên khắp nước Mỹ. Dữ liệu duy nhất khác chúng tôi thu thập là mã zip. Chúng tôi sử dụng mã zip để áp dụng một biến thể của ridge Bayesian, điều này dự đoán sự phân bố địa lý của các vòm miệng của người tiêu dùng mà chúng tôi biết và theo dõi, và các dữ liệu khác, và dự đoán phần còn lại của hơn 200 triệu vòm miệng của người tiêu dùng có thể hoạt động tại Mỹ. Chúng tôi sử dụng tập dữ liệu được tăng cường này làm nguồn sự thật, và để cung cấp dự đoán về cách rượu vang sẽ hoạt động trên thị trường, tại cửa hàng, địa phương hoặc khu vực.

Tastry Nhóm Tập trung ảo

Sau khi phân tích một loại rượu vang, giải mã ma trận hương vị của nó, và đánh giá khả năng palatability của nó chống lại sự kết hợp của các vòm miệng thực và ảo, AI hiện đang có độ chính xác 92,8% trong việc dự đoán xếp hạng người tiêu dùng trung bình của Mỹ cho rượu vang. Nói cách khác, AI có thể dự đoán xếp hạng 5 sao trung bình cho một loại rượu vang trong +/- 1/10 của một ngôi sao.

Nó dễ dàng nhất để nghĩ về AI như một “Nhóm Tập trung ảo” của sở thích của người tiêu dùng.

Các nhà sản xuất rượu vang sử dụng TastryAI để chạy các mô phỏng về cách người tiêu dùng sẽ nhận thức rượu vang của họ, ngay cả trước khi họ đầu tư hàng năm và hàng triệu đô la vào việc sản xuất nó. Các nhà bán buôn sử dụng TastryAI để xác định các khu vực mà các loại rượu vang khác nhau sẽ hoạt động tốt nhất. Các nhà bán lẻ sử dụng TastryAI để tối ưu hóa bộ sưu tập của họ trên kệ và trực tuyến. Và người tiêu dùng sử dụng TastryAI để tránh rủi ro mua một loại rượu vang mà họ sẽ không thích.