Mange anvendelser for kunstig intelligens i fødevarer
Det er Microsoft, der skal levere den nødvendige teknologi inden for kunstig intelligens i forbindelse med Beer Fingerprinting-projektet, som skal gøre Carlsberg i stand til langt hurtigere og mere effektivt end i dag at analysere på gærstammer til bryggeriets øl.
Det skal ske via tunge dataanalyser i skyen, såkaldt cloud analytics. I dette tilfælde er der tale om kemiske sensordata fra ølprøver, men det kunne i princippet lige så godt være billeder af printplader eller oksekød, fortæller Peter Kyvsgaard, der er manager for Data & AI hos Microsoft og involveret i fingerprinting-projektet.
- Man ville også kunne bruge den form for AI til at registrere fedtmarmoreringen på et stykke oksekød eller indholdet af parasitter, siger han.
Bare at trykke på knappen
Helt lavpraktisk skal kemiske, papirbaserede sensorer registrere smagsnuancerne i Carlsberg-forskernes ølprøver, hvorefter de datasæt sendes op i skyen. Via de opsamlede data trænes en algoritme så i at genkende smagsnuancerne i prøverne.
- Det er jo ikke den kunstige intelligens, der smager som sådan, men den finder mønstrene i de pågældende smage. Dermed kan vi genkende smagsmønstre og se, hvad det betyder for sammensætningen af gæren, forklarer Peter Kyvsgaard, som understreger, at algoritmen ikke kan konkurrere med den menneskelige tunge, når det gælder om at smage på den færdige øl.
- Men det tager få sekunder at lave de her indledende analyser. Det er bare at trykke på en knap. Det, der tager længst tid, er at træne algoritmen.
Ifølge Peter Kyvsgaard kan det kræve alt fra 30 til flere tusinde datasæt at oplære en AI-algoritme i at genkende mønstre.
- Den helt store udfordring ved at lave AI er helt generelt at have klare, entydige datasæt. Men hvis dataene er gode nok, kan vi i dette projekt måske nøjes med 500 billeder til oplæringen.
Meget større nøjagtighed
De metoder, der udvikles i regi af Carlsberg-projektet kan potentielt også anvendes til at bestemme smagsnuancerne eller den kemiske sammensætning i andre produkter inden for fødevareindustrien og den farmaceutiske industri.
Microsoft er da også involveret i andre AI-projekter inden for fødevarer, blandt andet sortering af korn, hvor algoritmer trænes i at genkende korntyper og tegn på sygdomme.
Peter Kyvsgaard medgiver, at der ikke som sådan er så meget nyt i kunstig intelligens. Princippet med at anvende billedgenkendelse har været anvendt i mange år til eksempelvis visionsystemer, men i dag bliver der lagt et intelligent lag ned over billedbehandlingen, fortæller han.
- Vi kan i dag træne de her systemer til at være meget mere nøjagtige inden for et bredt felt af klassificeringer end tidligere, siger Peter Kyvsgaard.
