機械学習：ベルギービールの風味を高める

消費者からの評価が高くなるような風味を持つ新しいアルコールビールとノンアルコールビールの開発に役立つとされる機械学習法について報告する論文が、Nature Communicationsに掲載される。著者らはこの方法について、食品メーカーが特定の消費者の需要を満たすのに役立つ高い効率性と費用対効果を備えた方法に発展する可能性があると述べている。

消費者が新しい食品の風味を好んで受け入れるかどうかを理解し、予測することは複雑な作業であり、数多くの化学物質や外的要因の影響を受ける。このことは、ビールの化学的特徴と消費者の嗜好の関係を読み解く上での課題になっている。これに関する調査は、通常、「お客様試験」を通じて行われるが、制約を伴う場合があり、効率もあまり良くない。

今回、Kevin Verstrepenらは、市販されている22種類のビアスタイル（ブロンド、トリペルなど）の250銘柄のベルギービールについて、200項目以上の化学的性質を分析した。そして、これらのデータを、訓練されたテイスター（16人）のパネルによる記述型官能評価のデータと、RateBeer（ビールのオンライン評価サイト）に寄せられた一般消費者の評価（18万件以上）のデータと関連付けた。Verstrepenらは、こうした大規模なデータセットを使って機械学習モデルを訓練して、ビールの化学的プロファイルを基に風味と消費者の評価を相関させて、予測した。Verstrepenらは、このモデルによる予測を用いて市販のアルコールビールとノンアルコールを改良することで、このモデルの有効性を検証したところ、ブラインドテイスティングにおいて、訓練されたパネリストの全般的な評価向上を達成した。

Verstrepenらは、このツールが、ビールやその他の食品・飲料品の品質管理とレシピ開発を改善して、特定の消費者の需要をより効率的に満たすのに役立つ可能性があると述べている。現在のところ、今回の結果は、市販されている主要なビアスタイルのベルギービールに限定されており、予測の最適化を進め、制約を克服するには、サンプル数を増やして研究を行う必要があると考えられる。こうした研究には、ビアスタイル別の効果や人口統計情報（年齢や文化など）の特定が含まれる。

doi: 10.1038/s41467-024-46346-0

「注目の論文」一覧へ戻る