Nature Communications研究发现，用AI大模型改善后的啤酒风味，更好喝

喝啤酒的时候，你有没有想过一个问题：同一款酒，为什么有人爱得不行，有人却觉得一般？风味的秘密，藏在啤酒里几十上百种化学成分的复杂互动之中。长期以来，想预测或改良一款啤酒的风味，靠的是酿酒师的经验和品酒师的舌头——这套方法当然有效，但主观性强，成本也不低。

有没有更科学、更精确的办法？一项发表在《Nature Communications》上的研究，给出了一个相当有意思的答案。

研究团队花了五年时间，收集了250种比利时商用啤酒样本，覆盖22种不同风格。他们对这些啤酒进行了彻底的化学“体检”，测量了酒精含量、苦味酸、pH值、糖浓度等常规指标，甚至追踪了超过200种风味化合物。

图：选定化学参数与感官描述符相关性（化学参数右上，感官描述左下）

有了这些数据，下一步就是让模型来“猜”风味。研究人员测试了10种不同的机器学习模型，最终胜出的是梯度提升模型。它的表现远超传统的统计方法，能相当准确地预测复杂的食品特性和消费者喜好。不仅如此，团队还整合了超过18万条消费者评论，把数据、模型和真实的品饮反馈结合起来，精准定位出哪些化合物在口感和受欢迎程度上发挥着真正的作用。

举个例子，模型预测在啤酒中添加乳酸——也就是酸味啤酒中那个标志性的成分——可以让酒体口感更清新。为了验证这一点，研究人员真的在酿酒过程中按模型的建议做了调整，然后进行盲品测试。

上图：品鉴小组化学与感官数据的相关性热图。颜色表示斯皮尔曼的Rho值，坐标轴按香气、味道、口感、整体等感官类别，以及麦芽、啤酒花、酵母、野生菌群等化学来源进行组织。

结果确实让人眼前一亮——在盲品测试中，改良后的啤酒在口感上的提升是实实在在的，消费者的接受度也明显更高。项目参与者、KU Leuven大学的Kevin Verstrepen教授说得直白：“我们让模型分析这些啤酒，然后问它：‘我们怎么让它们更好喝？’接着就照着建议去做。结果令人惊讶——在盲品中，这些啤酒确实变得更好喝，更受欢迎。”

1

这背后的逻辑并不复杂。AI模型通过海量数据分析，能够找出那些人类经验中不易察觉的风味组合规律，从而指导酿酒师进行有针对性的调整。这也为个性化定制啤酒风味打开了全新的可能性。

无酒精啤酒就是一个很好的案例。无酒精啤酒在工艺上去掉了酒精，但往往也牺牲了风味。研究人员利用AI模型预测添加特定化合物后的效果，并在实际生产中验证这些预测，成功改良了产品。

这种数据驱动的方法，不仅提升了产品质量，更显著缩短了从研发到落地的周期，成本和试错次数都大幅下降。华盛顿州立大学的Carolyn Ross教授指出，这种机器学习方法在探索食品质地、营养成分优化，以及根据不同人群需求调整配方方面，潜力巨大。比如，老年人通常不喜欢过于复杂的质地或成分组合——她说：“我们在这里有很多可以探索的领域，特别是面向不同人群开发特定产品时。”

这项研究的意义不止于啤酒。它清晰地展示了一件事：借助AI，我们有机会发现那些过去被埋没在数据中的规律和模式，甚至创造出全新的可能性。在食品工程和其他领域，这条路才刚刚开始。

https://www.nature.com/articles/s41467-024-46346-0