Een risico ontdekken voordat het zich manifesteert, lijkt sciencefiction. Beschikken over signalen die op een mogelijk probleem wijzen voordat het zich voordoet, is in zekere zin alsof je de dader identificeert voordat de misdaad is gepleegd.
Ik wil dit onderwerp niet dramatiseren, maar volgens mij moeten we onderscheid maken tussen toepassingen waarvoor het zinvol is om kunstmatige intelligentie in te zetten en toepassingen waarvoor dat niet het geval is.
De toepassing die ik vandaag wil bespreken, richt zich op het detecteren van chemische signalen in druiven en most voordat een aromatische fout zich in de wijn manifesteert. Op het eerste gezicht vind ik dit geen bijzonder verontrustende toepassing. Het doel is niet om rechtstreeks in te grijpen bij mensen of in het ecosysteem, maar om een kwaliteitsprobleem vroegtijdig te signaleren dat de producent aanzienlijke financiële schade kan opleveren.
Het project speelt zich af in de Champagnestreek, waar Moët Hennessy de handen ineen heeft geslagen met Analog Devices en de University of California Davis viticulture and enology, om een model voor kunstmatige intelligentie te trainen dat het risico op een fout kan herkennen dat bekendstaat als Fresh Mushroom Aroma (FMA), oftewel een aroma van verse champignons.
Analog Devices levert de technologie voor chemische sensoren en machine learning; de University of California Davis, brengt haar expertise op het gebied van wijnbouw en oenologie in; en Moët Hennessy levert de monsters en de kennis die nodig zijn om het model te ontwikkelen. Het doel is om chemische patronen te herkennen die verband houden met het gebrek, voordat dit met conventionele methoden kan worden vastgesteld.
De technologie is echter nog niet klaar voor gebruik in de productie. Hoewel de tijd die nodig is om een monster te analyseren aanzienlijk is teruggebracht, duurt het proces nog steeds ongeveer twee uur. Dat vormt een belangrijke beperking. Een champagnehuis als Krug zou ongeveer 300 monsters moeten analyseren, terwijl een groter bedrijf als Moët & Chandon er mogelijk duizenden nodig heeft.
Dat vertelde Manuel Reman, lid van het Executive Committee van Moët Hennessy en verantwoordelijk voor onderzoek en ontwikkeling (R&D). Zijn toelichting maakt een van de grote uitdagingen van dit project duidelijk: het is niet voldoende om een technologie te ontwikkelen die chemische signalen kan herkennen. De analyse moet ook snel genoeg zijn om aan de werkelijke behoeften van een wijnhuis te voldoen. Een paar monsters analyseren is één ding; dat op grote schaal doen tijdens de oogst is iets heel anders.
Waarom is dit belangrijk? Omdat het risico onopgemerkt kan blijven totdat de wijn het ongewenste aroma ontwikkelt, met de financiële gevolgen van dien voor de producent. De uitdaging is om waarschuwingssignalen op tijd te herkennen, de analyse van monsters te versnellen en het voorspellend vermogen van het systeem te verbeteren.
De verantwoordelijken voor het project benadrukken dat de technologie niet bedoeld is om de mens bij het nemen van beslissingen te vervangen, maar om informatie te leveren waarmee risico’s voor de kwaliteit eerder kunnen worden herkend, nog voordat ze met de menselijke neus waarneembaar zijn.
En hier komt mijn vraag: wat doen we met die informatie? Hoe kunnen we handelen wanneer er een risico wordt vastgesteld? Kunnen we de werkzaamheden in de wijngaard aanpassen, bepaalde partijen druiven apart houden of het vinificatieproces bijsturen voordat het probleem zich manifesteert?
Want een risico detecteren betekent niet automatisch dat je het kunt voorkomen. En zodra de wijn een aromatisch gebrek heeft ontwikkeld, zijn de mogelijkheden om dit te corrigeren beperkt. Daarom zit de werkelijke waarde van deze technologie niet alleen in het detecteren van chemische signalen, maar vooral in het tijdig beschikbaar hebben van die informatie om beslissingen te kunnen nemen.
De mogelijke toepassingen gaan veel verder dan het aroma van verse champignons. Het is ook interessant om te onderzoeken hoe we ziekten van de wijnstok kunnen detecteren, de bodemgesteldheid kunnen beoordelen en beter kunnen begrijpen welke risico’s de kwaliteit van de druiven beïnvloeden, waaronder risico’s die verband houden met klimaatverandering.
Dit alles doet me denken dat we aan het begin staan van een nieuw onderzoeksgebied binnen de wijnsector: het interpreteren van chemische signalen met behulp van kunstmatige intelligentie om te voorspellen wat we nog niet kunnen waarnemen of ruiken.
En ik moet iets bekennen: het lijkt me geweldig om aan dit soort projecten mee te werken, door monsters te nemen, deel te nemen aan analyses of deze methodologie te leren en anderen erin te onderwijzen. Lange tijd zag ik dit soort mogelijkheden als sciencefiction.
Maar nu lijkt het erop dat we ze langzaam werkelijkheid zien worden.
Meer over Analog Device.
