El análisis se hizo a través de una forma de Inteligencia Artificial denominada Machine Learning, misma que permite aprender de los datos recolectados en lugar de aprender mediante una programación explícita relacionado con un problema
El Dr. Josué Aarón López Leyva, Profesor e Investigador de la Escuela de Ingeniería de Cetys Universidad Campus Internacional Ensenada, hizo un análisis de la calidad de vinos tintos y blancos considerando algunos parámetros fisicoquímicos por medio de Machine Learning, es decir, Aprendizaje Automático.
Machine Learning es una forma de la Inteligencia Artificial que permite a un sistema computacional aprender de los datos recolectados en lugar de aprender mediante una programación explícita relacionado con un problema, y así, coadyuvar a la toma de decisiones.
De acuerdo con el Dr. Josué López, el proyecto tiene el objetivo de analizar más de 10 parámetros fisicoquímicos de una cantidad de muestras de vinos tintos y blancos y relacionar cada parámetro fisicoquímico y tipo de vino con la calidad de éste, la cual es determinada por un análisis sensorial. El análisis sensorial del vino consiste en su descripción considerando las propiedades organolépticas que caracterizan a cada tipo de vino.
Entre algunos de los resultados cuantitativos del proyecto, se tiene que, tanto para los vinos tintos y blancos, los dos parámetros fisicoquímicos que se relacionan más con la calidad del vino son el porcentaje de alcohol y la cantidad de ácidos volátiles o ácidos en estado gaseoso; mientras que, otros parámetros fisicoquímicos son más relevantes en los vinos tintos que en los blancos y viceversa, tal es el caso del ácido cítrico, densidad, entre otros.
Además, el proyecto permitió determinar que, considerando los parámetros fisicoquímicos analizados y diversos algoritmos de Machine Learning, solamente es posible determinar la calidad de los vinos analizados con una exactitud aproximada del 70 %.
“Lo anterior puede tener varias implicaciones. Primeramente, el cliente final que consume el vino es, hipotéticamente responsable del 30 % de la exactitud restante para poder clasificar correctamente la calidad del vino. En otras palabras, cada degustador del vino asigna un nivel de calidad al mismo basado en aspectos subjetivos, tales como el color del vino, ligereza, consistencia, efervescencia, intensidad, complejidad, grado de alcohol, acidez, etc., aspectos relacionados con la inspección visual, examen olfativo y prueba gustativa del vino. En segundo lugar, es posible que se necesite considerar más parámetros fisicoquímicos y/o incrementar la cantidad de muestras de vinos tintos y blancos en todos los niveles de calidad, es decir, que las muestras no se enfoquen de manera involuntaria en vinos de calidad media. En nuestro caso, el 78.5 % de las muestras de ambos tipos de vino fueron clasificadas por los degustadores como de calidad media, lo cual puede generar un sesgo en el análisis de los vinos de calidad baja y alta”, compartió el investigador.
Asimismo, el Dr. Josué López destacó que, usando diversos algoritmos de Machine Learning, se determinó que los vinos tintos y blancos de calidad media son los que presentan mayor exactitud (73 %) en la determinación de la calidad del vino en base a sus parámetros fisicoquímicos. Mientras que los vinos de calidad baja y alta calidad tienen mucha menor exactitud en la predicción de la calidad, 10 % y 17 %, respectivamente. Aun con ello, los resultados del Machine Learning pueden permitir realizar un monitoreo de los parámetros fisicoquímicos con el objetivo de controlar la calidad final del vino, sin olvidar el importante rol de los clientes y degustadores en la decisión final de la calidad del vino, es decir, la calidad del vino es una decisión compleja.
Finalmente, el profesor e investigador de Cetys Universidad dijo que son inmensas las contribuciones de la aplicación de Machine Learning en las diferentes etapas del proceso de producción del vino, tanto en el ámbito de las ciencias formales y fácticas. Por lo tanto, “es importante procurar la investigación aplicada de Machine Learning es los aspectos administrativos, ingenieriles, sociales y ambientales relacionados con la industria vinícola. Además, por medio de este proyecto se pudiera comparar la calidad y parámetros fisicoquímicos de los vinos de diversas regiones nacionales e internacionales, condiciones climáticas y varietales”, concluyó el Dr. Josué López.
