Η διαδικασία sensory analysis μέσω ΑΙ για τον έλεγχο της αποδοχής νέων προϊόντων από τους καταναλωτές, είναι ένα σημαντικό όπλο για τις εταιρείες τροφίμων και ένας διαρκώς εξελισσόμενος επιστημονικός κλάδος.
Της Βιργινίας Κιμπουρόπουλου
Οι 5 αισθήσεις είναι υπεύθυνες για κάθε λειτουργία του ανθρώπου. Όραση, όσφρηση, αφή, γεύση και ήχος, δεν θα μπορούσαμε να καθορίσουμε την ύπαρξή μας χωρίς τουλάχιστον μία από αυτές. Σε έναν μεγάλο βαθμό, οι αισθήσεις καθορίζουν τις προτιμήσεις μας.
Όλο και περισσότερο, οι επιχειρήσεις και η επιστήμη αρχίζουν και εκτιμούν τη δύναμη των αισθήσεων στα καταναλωτικά «θέλω». Για αυτό και η αισθητηριακή έρευνα (sensory), μια επιστημονική προσέγγιση για την πρόκληση, τη μέτρηση, την ανάλυση και την ερμηνεία των αποκρίσεων σε αγαθά μέσω των πέντε αισθήσεων, μετατρέπεται σταδιακά σε έναν ακμάζων κλάδο.
Ουσιαστικά, δεδομένα από ανθρώπινες δοκιμές και focus groups αισθήσεων συλλέγονται και διαμορφώνουν μια συνολική εικόνα για την απόδοση ενός προϊόντος υπό δοκιμή στην αγορά, ούτως ώστε να φτάσει στη βέλτιστη εκδοχή του πριν την επίσημη κυκλοφορία του.
Ενώ η πρώτη και βασική υποστηρίκτρια της χρήσης της αισθητηριακής αξιολόγησης στην έρευνα αγοράς ήταν η Rose Marie Pangborn ήταν μία από τις συγγραφείς του διάσημου βιβλίου Principles of Sensory Evaluation of Food που εκδόθηκε το 1965, το 1989 ιδρύθηκε το Ευρωπαϊκό Δίκτυο Αισθητηρίων ( ESN ) μια διεθνής ένωση κορυφαίων ακαδημαϊκών και ερευνητικών ιδρυμάτων στον τομέα των αισθητηριακών και καταναλωτικών επιστημών. Έκτοτε, το δίκτυο και οι επιστήμονές του συνεργάζονται στενά, προκειμένου να κάνουν αυτή την επιστήμη ένα από τα πιο χρήσιμα εργαλεία στα διάφορα στάδια ανάπτυξης νέων προϊόντων, όπως αναφέρει η Pangborn στον πρόλογο του βιβλίου της.
Σχεδόν 60 χρόνια μετά την Pangborn και 40 από την ίδρυση του ESN, η αισθητηριακή επιστήμη έχει προχωρήσει χιλιόμετρα παραπέρα. Για παράδειγμα, η πλατφόρμα τεχνητής νοημοσύνης, η οποία μοντελοποιεί τις αισθητηριακές αντιλήψεις, το Gastrograph AI, τρέχει πάνελ γευσιγνωσίας σε όλο τον κόσμο.
Σε δημοσίευμα που φιλοξενεί ο ιστότοπος IFT, αναφέρεται πως σε κάθε πάνελ, σε διάστημα πέντε ημερών, περίπου 100 άτομα δοκιμάζουν από 80 έως 100 προϊόντα τροφίμων και ποτών, χρησιμοποιώντας την εφαρμογή smartphone της εταιρείας, η οποία περιλαμβάνει 24 κατηγορίες γεύσεων ευρέος φάσματος και περιγραφική ανάλυση. Και κάθε τρία έως πέντε χρόνια, η διαδικασία επαναλαμβάνεται για αν ενημερωθούν τα δεδομένα.
Μάλιστα, η Gastrograph συγκεντρώνει 10 χρόνια εμπειρίας στους τομείς της τεχνητής νοημοσύνης/αισθητηριακών γνώσεων και έχει κάνει μέχρι στιγμής αυτές τις έρευνες αγοράς σε 45 περιοχές και 30 χώρες.
Δεν είναι, όμως, μόνο η Gastrograph που δραστηριοποιείται στον κλάδο. Χαρακτηριστικά, το Project AROMA , αποτελεί μια ερευνητική πρωτοβουλία του Monell Center, ενός επιστημονικού ινστιτούτου που επικεντρώνεται στη γεύση και την όσφρηση. Επί του παρόντος το project δημιουργεί μια βάση δεδομένων ανοιχτού κώδικα με 10.000 οσμές για την ανάπτυξη μοντέλων μηχανικής εκμάθησης για την πρόβλεψη αρωμάτων, με στόχο την ψηφιοποίηση των οσμών.
Σταδιακά, πληθαίνουν οι έρευνες με σκοπό την αναζήτηση νέων εργαλείων εκμετάλλευσης της αισθητηριακής ανάλυσης. Μάλιστα, ο Christopher Simons, αναπληρωτής καθηγητής επιστήμης τροφίμων στο The Ohio State University, μιλώντας στο IFT, αναφέρει πως η βελτίωση της επιστήμης είναι σημαντική όχι μόνο για την παραγωγή καλύτερων προϊόντων, αλλά και για την τήρηση των νομικών προτύπων τους.
Φυσικά, μια σημαντική πρόκληση είναι ότι οι άνθρωποι αλλάζουν συνεχώς γνώμη ή δεν ξέρουν τι τους αρέσει. Επιπλέον, η γεύση και η όσφρηση είναι εξαιρετικά περίπλοκα και δεν καταλαβαίνουμε ακόμη πλήρως πώς λειτουργούν. Ταυτόχρονα, η προσφορά προϊόντων είναι τόσο μεγάλη, που οι αγορές έχουν γίνει πολύ διαφορετικές και πολύ ανταγωνιστικές.
Για αυτό και οι συμβατικές μεθοδολογίες δοκιμών οδηγούν συχνά σε λανθασμένα συμπεράσματα. Για αυτό, η Gastrograph έχει αναπτύξει το «lift and shift», το οποίο δεν είναι άλλο από την αναπροσαρμογή και αναδιατύπωση ενός υπάρχοντος προϊόντος για εταιρείες που θέλουν, για παράδειγμα, να αντικαταστήσουν τα σάκχαρα και τα πρόσθετα με πιο υγιεινά συστατικά «καθαρής ετικέτας» που προσφέρουν την ίδια γευστική εμπειρία.
Η μηχανική μάθηση μπορεί επίσης να χρησιμοποιηθεί για τη μοντελοποίηση μιας πρόβλεψης προτιμήσεων των καταναλωτών. Για παράδειγμα, η Aigora είναι μια εταιρεία που βοηθά τις εταιρείες τροφίμων να εφαρμόσουν τεχνητή νοημοσύνη για να αποκρυσταλλώσουν τις καταναλωτικές προτιμήσεις, το οποίο μειώνει και το χρόνο της όλης διαδικασίας.
Ένα δωμάτιο προσομοίωσης των πραγματικών συνθηκών αγοράς, επίσης, υπάρχει και στο πανεπιστήμιο Davis των ΗΠΑ. Με εργαλεία, όπως βιντεοπροβολείς, ρυθμίσεις θερμοκρασίας, αέρα και ήχου, μπορεί να δημιουργήσει την αίσθηση πραγματικών συνθηκών, το οποίο είναι επίσης πιο γρήγορο από την πραγματική αναπαράσταση λ.χ. ενός σουπερμάρκετ και μπορεί να αποτυπώσει πιο ρεαλιστικές αντιδράσεις καταναλωτών in vitro.
Επιπρόσθετα, ορισμένοι ερευνητές ερευνούν έξυπνες οικιακές συσκευές για να συγκεντρώσουν σχόλια σε πραγματικό χρόνο, όπως προσπαθεί να κάνει η Aigora πιλοτικά με έξυπνα ηχεία.
Η χρήση της νευροεπιστήμης για τη μέτρηση των αποκρίσεων του αισθητηριακού συστήματος είναι επίσης μια δημοφιλής μέθοδος και ένα ισχυρό εργαλείο αποτύπωσης της ανθρώπινης «ματιάς». Αλλά ο συγκεκριμένος τομέας δημιουργεί ένα δίπολο ως προς το αν είναι ηθικός ή όχι, μιας και δίνει πολύ ευαίσθητα δεδομένα.
Ωστόσο, παρά την εμφάνιση εξελιγμένων αισθητηριακών τεχνολογιών, τα ανθρώπινα πάνελ προσδίδουν αναμφισβήτητη αξία στη διαδικασία της αισθητηριακής ανάλυσης.
Ακολουθήστε το Cibum 
