Digitalizacija vina. Proces vinarstva u cjelini, od uzgoja njegove poljoprivredne sirovine – grožđa, pretvaranja grožđa u vino u vinariji i kasnije promocije i komercijalizacije, izvor je informacija. Podataka koji su postepeno rasli kako su nauka i tehnologija rasvijetlile mehanizme procesa. Nakon što se identifikuju i dobiju, podaci se moraju obraditi tako da budu korisni onima koji upravljaju proizvodnjom.
Tokom 20. vijeka znanje stručnjaka, profesionalaca i eksperata, uključujući vinske stručnjake, posebno enologe, napredovalo je brže od tehnologije. To im je omogućilo da budu najefikasniji obrađivači podataka o vinu.
Kako 21. vijek odmiče, novi sistemi za obradu podataka nastali su iz ruku nauke i vještačke inteligencije s eksponencijalno rastućim mogućnostima obrade. U isto vrijeme, nove generacije senzora primjenjivih na bilo koji medij dopuštaju “senzorizaciju” procesa na načine koji se ranije nisu zamišljali, dajući ogromnu količinu podataka. Primjena širokog spektra senzora na vinograd omogućava vam da u stvarnom vremenu saznate stanje roda, kao i njegovu evoluciju. Isto se odnosi i na procese u vinariji.
Vinska informatika i digitalizacija vina
Digitalizacija je pretvaranje bilo kojeg objekta ili procesa u izvor podataka koji se može obraditi. To se može primijeniti na netransformativne aktivnosti različite kao senzorna karakterizacija vina i analiza preferencija potrošača. Prednosti obrade protoka podataka dobijene primjenom algoritama i tehnika vještačke inteligencije predstavljale su atrakciju za kompanije u nastajanju. Istraživačke grupe koje već razvijaju platforme sposobne za pružanje gotovo realne analize, korekcije u vinogradarskim procesima i predviđanja o očekivanim rezultatima.
“Vinska informatika nova je disciplina koja kombinuje podatke specijalizovanih organskih senzora (vinara i degustatora) sa vještačkom inteligencijom.”
Posebno je značajan nastanak nove discipline: vinska informatika, koja koristi senzorne kritike vina. Kritike koje se pojavljuju u tehničkim listovima i specijalizovanim publikacijama, kao domenu znanja. Njena važnost leži u činjenici da su senzori koji generiršu ovaj protok podataka „specijalizovani organski senzori“, odnosno senzorni receptori vinara i degustatora. Ali inteligencija koja obrađuje ovo bogatstvo podataka, ljudskim jezikom, više nije organska inteligencija profesionalaca. To je vještačka, anorganska inteligencija, sa kapacitetom obrade milijonima puta većim.
Na Odsjeku za informatiku Univerziteta u Arkansasu cijenili su uvođenje senzorni podatka o vinu ne samo uobičajenih termina jezika senzorne analize, već i radi prilagođavanja drugih nekanonskih opisnih atributa koji su uključeni u referense kao kvalitet ili nedostatak. Baza podataka je u prvoj fazi sadržavala preko 376 prepoznatljivih atributa iz više od 1.000 recenzija vina sa ocjenama većim od 80 bodova u specijalizovanim časopisima. Dobijeni klasifikacijski algoritmi omogućuju predviđanje hoće li vino dobiti ocjenu iznad 90 bodova ako se podvrgne pregledu eksperta.
Aroma točak
Do sada su profesionalci koji sprovode senzorni profil vina bili jedna od glavnih referensi, u smislu klasifikacije u kategorije, dobro poznati aroma točak „Aroma Wheel“ koji je predložila profesorka Anne Noble sa Univerziteta Davis u Kaliforniji. Sa svojih 12 osnovnih kategorija i 80 deskriptora, to je šema savršeno prilagođena ljudskom sistemu obrade.
Sa svoje strane, 376 senzornih (čulnih) atributa kojima rukuje vinska informatika zahtijevaju novi referentni sistem, koji je doveo do „računarskog točka“ sposobnog za obradu atributa koji se ne mogu direktno identifikovati, poput aroma ili okusa, ali koje ljudski čulni receptori pripisuju vinu. Rezultat obrade, osim što predviđa njegovu ocjenu, opsežan je i standardizovan opis vina, ljudskim jezikom, koji preciznije informiše potrošača kada je u pitanju navođenje njegovih preferencija. Potrošač koji sve više povezuje kvalitet sa većim protokom podataka.
“Znamo da sve više potrošača povezuje kvalitet sa većim protokom podataka.” Vinska informatika započela je rješavanjem najosjetljivijeg dijela digitalizacije vinskog sektora, ulazeći na dosad ekspertno područje isključivo za ljude u kojem su stručnjaci koristili gotovo jednake dijelove racionalne i emocionalne atribute (sjetite se poštovanja da su, ipak, emocije takođe biohemijski algoritmi za obradu podataka).
Stoga je predvidljivo da će digitalizacija vinogradarskog i enološkog upravljanja biti mnogo sažetija i korisnija, u mjeri u kojoj su nauka i tehnologija sposobne povećati protok podataka koji se dobijaju iz bioloških procesa koji se odvijaju u vinogradu i u vinariji gdje se koriste senzori bez ikakvih emocionalnih faktora.
Mala pomoć pandemije
Revolucija je započela progresivnom digitalizacijom stvarnosti, a ubrzana pandemijom COVID-19 neće biti mirna ili beskrvna. Mnogi naizgled čvrsti sektori dovedeni su na pozicije slabosti koje se nikada nisu mogle ni zamisliti, a njihova hitna digitalizacija može biti jedina nada za povratak pozicija. U slučaju vinskog sektora, čija je digitalizacija tek nešto više od početka, njegova revalorizacija zavisit će o sposobnosti da se vino transformiše u digitalno razumljiv proizvod za nove generacije potrošača, posebno iz azijskih zemalja, čije vino nije dio njihovog kulturnog naslijeđa, ali digitalna percepcija jeste.
Izvor: http://www.acenologia.com/. Naslov orginala: Wine Digital. Objavljeno: 08.07.2021. by acenologia.com Pripremio: Dragutin Mijatović
Pogledati i:
Digitalizacija vina – Da biste saznali više:
- Bernard Chen, Christopher Rhodes i dr.: Informatika o vinu: Primjena rudarstva podataka na osjetilnim recenzijama vina obrađenim računarskim vinskim kotačem , IeeeXplore , 2015 ( https://ieeexplore.ieee.org/document/7022591 ).
- Jared McCune, Alex Riley, Bernard Chen: Grupiranje u vinarstvu s odabirom atributa za povećanje jedinstvenosti klastera, fermentacija , 2021 ( https://www.mdpi.com/2311-5637/7/1/27 ).
- Maria P. Sáenz-Navajas, Sara Ferrero-del-Testo i dr.: Modeliranje trpkoće vina iz njegovog kemijskog sastava pomoću algoritama strojnog učenja, OenoOne , 2018, https://oeno-one.eu/article/view/2380 .
- Algoritam: https://es.wikipedia.org/wiki/Algoritam.
