AI开设品鉴咖啡豆课程 更加注重“口味”这一变量
2018年，丹麦啤酒酿造商Carlsburg开始使用AI设计并预测啤酒中的酵母及其他成分形成的最终风味。IBM也为McCormick开发出一套AI方案，用于创造出更好的香料配方。而生产NotMilks素食产品的NotCo则尝试使用AI分析分子结构并寻找新的植物成分组合。
来自哥伦比亚的初创企业Demetria迄今已经筹集到300万美元，计划使用AI技术为咖啡豆创建感官数字指纹，借此将风味与1995年建立的行业标准咖啡味轮更好地匹配起来。
这家新公司表示，新的咖啡豆感官数字指纹将帮助烘焙商及生产商能够在咖啡生产的各个阶段随时评估质量与口味。
美酒与咖啡
Demetria公司CEO Felipe Ayerbe表示，咖啡的成品流程与美酒有着异曲同工之妙。
Ayerbe解释道，“如今，咖啡爱好者已经建立起庞大而稳定的群体，而且对于口味及体验的追求也在不断升级，也愿意为这种更好的体验支付更高的费用。因此，咖啡产品的多样性与选择空间在持续增加——不同的价格、产地、烘焙程度、混合配方、风味特征及准备方式等。换句话说，如今的咖啡越来越像酒。”
Ayerbe指出，咖啡虽然仍是一种交易商品，但消费者从中获得的体验却不止单一商品那么纯粹。“过去二十年中，咖啡经历了一轮高端化演变，其中最重要的变量就是感官层面的品质提升——也就是口味增强。”
Ayerbe还提到，这场特调咖啡的革命在很大程度上受到星巴克与奈斯派索等行业先驱所推动，并成功提升了全世界的咖啡口味要求。
“通过新的感官数字指纹，我们希望通过完整的价值链衡量并管理咖啡行业中最重要的变量——口味，借此将行业由模拟形态升级为数字形态。在成功之后，咖啡农不仅能够第一次了解在售产品的质量，同时也能管理自己的农业实践并优化产品质量，由此获得前所未有的操作空间与理解水平。”
传感器技术的巨大潜能
Demetria公司所使用的传感器技术，实际上已然存在四十年之久。
Ayerbe介绍称，“过去几年以来，传感器变得越来越小型化、价格更便宜而且能够持续接入云端。以此为基础，我们就能收集、存储并分析大量数据。”
Ayerbe解释道，该公司使用手持式近红外(NIR)传感器读取生咖啡豆的光谱指纹。这是因为光谱中的不同颜色与波长同咖啡中存在的每种有机化合物一一对应，能够体现出咖啡豆的整体化学成分。
“以此为基础，我们需要使用AI将NIR数据翻译成行业能够理解的感官语言。此外，直到现在，咖啡豆的味道或感官质量都是通过杯测来确定的。这是个手动、耗时的流程，需要由行业认证的品尝专家根据内业标准的咖啡风味轮进行测量。”
通过从NIR读取与杯测数据收集到的所有信息，Demetria得以不断校准AI模型，借此将特定的光谱指纹与明确无误的口味特征匹配起来。
Ayerbe还提到，他们的团队还需要克服另外一大障碍——确定主观口味特征，例如能够与标准咖啡风味轮对应起来的统一主调、均衡度与回调。
Ayerbe指出，“这些口味特征必须进行整体标定，而非独立标定，这样才能确定咖啡豆的真正风味特征。此外，同一品类的咖啡豆可能有着不同的质量，因此对于300到500克的咖啡豆样品，我们需要进行多轮扫描以收集足够代表整体、统一风味特征的数据。”
Demetria公司先后完成了数千次扫描，考虑到不同咖啡豆每次计数之间最细微的差别，结果就是得到一套Demetria所独有的感官数字指纹模型。
应用感官数字指纹
凭借独特的感官数字指纹，Demetria通过训练自己的AI与模型，将光谱读数与数百种样品咖啡的杯测分析结果关联起来，再把最终结果整理为Carcafe风味总结。
Ayerbe指出，“Carcafe获取这种高价值总结的AI技术收集自数百种生咖啡豆样本，并与发送杯测分析数据的q-grader(杯测工具)进行比较。通过对杯测分析大数据进行编译，我们得以将感官指纹与各类独特的哥伦比亚咖啡豆匹配起来。”
Ayerbe提到，经过四个月的咖啡样本处理，该公司终于将Carcafe打造成一款具备现实可行性的产品，能够通过AI不断利用新样本进行再训练。
Ayerbe还强调，“其中的最大技术挑战，在于训练AI检测口味层面的细微差别。杯测方法虽然能够检测出这种差异，但结果还不够清晰。数据库需要的是清晰明确的总结，同时也需要以编程形式反映这些细微差别。”
对于Demetria公司打造的Carcafe方案，其必须准确反映特定的适度;例如巧克力就有着不同于红糖的甜味。
Ayerbe提到，“因此在第二轮迭代当中，我们就需要对味道做出确切定义，并确保AI能够发现、描述并强调这些不同的甜味类型。为了匹配这种口味差异的来源，并为农民提供种植这类作物的工具，Carcafe及其客户有望迎来新的效率与透明度水平。”
Ayerbe认为，这样的流程将消除现有咖啡供应链中的种种变量与未知数。
Ayerbe还补充道，“如果能够控制更多流程，最终得到的咖啡豆会更完美、良品率更高。更重要的是，杯测环节在模型训练中同样起着至关重要的作用。因此我们的方案并不是要取代原本负责杯测工作的人类专家，而是要为他们提供更好的信息支持。”
Ayerbe表示，杯测专家相当稀缺，大多数企业根本无力负担。“我们希望借助AI技术扩展整个价值链中的感官质量评估能力，帮助客户补上杯测方面的缺口。”
Ayerbe最后总结道，他们的技术还能帮助杯测专家提高工作效率，并让贸易商及烘焙商更准确地了解该从哪条渠道获得自己需要的咖啡口味、类型与质量。