ML ເຮັດ IPA ທີ່ສົມບູນແບບ

ສິນລະປະຂອງເບຍເບຍ, ເຊິ່ງແມ່ນເຄື່ອງດື່ມທີ່ໄດ້ຮັບຄວາມນິຍົມສູງທີສາມໃນໂລກຫຼັງຈາກນ້ ຳ ແລະຊາ, ມີທຸກຄົນທີ່ກ່ຽວຂ້ອງ, ລວມທັງນັກວິຊາການ. ເບຍໄດ້ສ້າງຂື້ນມາເປັນເວລາຫລາຍພັນປີໂດຍຜູ້ຜະລິດເບຍທີ່ມີ“ ສູດລັບ” ເຊິ່ງບໍ່ໄດ້ຮັບຜົນກະທົບຈາກຄື້ນຂອງປັນຍາປະດິດ - ມາຮອດປະຈຸບັນ.

ສອງສາມເດືອນກ່ອນ, ຊີອີໂອຂອງພວກເຮົາ, Michael Prichard, ໄດ້ພົບກັບເຈົ້າຂອງແຊ້ມແຊ້ມ Brewing ໃນທ້ອງຖິ່ນ. ທັງສອງໄດ້ໃສ່ ໝວກ ຂອງຜູ້ປະກອບການຂອງພວກເຂົາແລະເລີ່ມຕົ້ນເຮັດວຽກຮ່ວມກັນເພື່ອປະສົມປະສານງານສອງຢ່າງຂອງພວກເຂົາຄື: ເບຍຫັດຖະ ກຳ ແລະການຮຽນຮູ້ເຄື່ອງຈັກ.

ທ່ານຈະເຫັນວ່າບັນດາບໍລິສັດຜະລິດເບຍບໍ່ມີສາຍຢູ່ຕໍ່ ໜ້າ ການເລີ່ມຕົ້ນດ້ານເຕັກໂນໂລຢີຂອງເມືອງຂອງພວກເຂົາ, ສ່ວນຫຼາຍອາດຈະເປັນຍ້ອນຄວາມລະມັດລະວັງຂອງປະຊາຊົນທົ່ວໄປກ່ຽວກັບເຕັກໂນໂລຢີການຮຽນຮູ້ຂອງເຄື່ອງຈັກແລະຂໍ້ມູນໃຫຍ່. ນອກຈາກນັ້ນ, ຜູ້ດື່ມເບຍແບບ ທຳ ມະດາອາດຈະບໍ່ເຂົ້າໃຈທັນທີກ່ຽວກັບກໍລະນີການ ນຳ ໃຊ້ເຄື່ອງຈັກແລະເຄື່ອງດື່ມຫັດຖະ ກຳ. ຄອມພິວເຕີ້ຄວນຮູ້ວິທີການຜະລິດສິນຄ້າທີ່ຄົນເຮົາບໍລິໂພກ?

ໃນຕອນບ່າຍວັນເສົາ, ທີມງານຈາກ Metis Machine ແລະ Champion Brewing ໄດ້ພົບກັບ "hackathon ເບຍ". ພວກເຮົາ ກຳ ນົດອອກເພື່ອ ກຳ ນົດການລວມຕົວທີ່ດີທີ່ສຸດຂອງ IBU, ABV ແລະ SRM ສຳ ລັບ IPA ທີ່ຜະລິດຢູ່ໃນທ້ອງຖິ່ນ. ການລວບລວມ IPAs ທີ່ມີຊື່ສຽງໃນທ້ອງຖິ່ນແລະ IPA ທີ່ດີ ໜ້ອຍ ຖືກເກັບດ້ວຍຕົນເອງໃນຊຸດຂໍ້ມູນແລະຖືກ ໝາຍ ວ່າດີຫຼືບໍ່ດີ. ຄວາມ ສຳ ເລັດຂອງເບຍສະເພາະແມ່ນອີງໃສ່ຂໍ້ມູນການຂາຍໃນຊຸມປີທີ່ຜ່ານມາ. ດ້ວຍຂໍ້ມູນດັ່ງກ່າວ, ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄດ້ຖືກສ້າງຂື້ນມາເພື່ອ ກຳ ນົດຄວາມເປັນໄປໄດ້ຂອງຄວາມ ສຳ ເລັດຂອງເບຍ ສຳ ລັບຜູ້ບໍລິໂພກ, ເຊິ່ງຜະລິດໂດຍ ນຳ ໃຊ້ເມກາວັດປະລິມານ 3 ດ້ານຂ້າງເທິງນີ້ເປັນຈຸດເລີ່ມຕົ້ນ ສຳ ລັບສູດ.

ພວກເຮົາໄດ້ເຮັດມັນໄດ້ແນວໃດ? ນ້ ຳ ຊອດລັບແມ່ນຫຍັງ?

ສູດການສະ ໜັບ ສະ ໜູນ Vector Machine¹ກັບລະບົບ RBF kernel (ຂຽນໃນ Python) ຖືກ ນຳ ໃຊ້ເພື່ອຊອກຫາຂໍ້ ຈຳ ກັດທາງ ທຳ ມະຊາດໃນຄຸນລັກສະນະຂອງຂໍ້ມູນການຝຶກອົບຮົມ (IBU, ABV, SRM) ທີ່ແບ່ງແຍກຕົວຢ່າງເປັນເບຍທີ່ດີແລະ "ບໍ່ດີ" . ທັນທີທີ່ຮູບແບບໄດ້ຮັບການຝຶກອົບຮົມ, ພວກເຮົາໄດ້ ດຳ ເນີນການຄົ້ນຫາຕາຂ່າຍໄຟຟ້າຄົບຖ້ວນໃນພື້ນທີ່ທີ່ເປັນປະໂຫຍດແລະໄດ້ພົບເຫັນຕົວ ກຳ ນົດທີ່ດີທີ່ສຸດ ສຳ ລັບການສ້າງສູດ ML IPA. ສິ່ງທີ່ ໜ້າ ສົນໃຈແມ່ນວ່າຕົວ ກຳ ນົດການທີ່ດີທີ່ສຸດແມ່ນຢູ່ໃນຊ່ວງກາງຂອງຊ່ວງປົກກະຕິ ສຳ ລັບ IPA: 6% ABV, 60 IBU ແລະ 6 SRM². ເລື່ອງຕະຫລົກຫລາຍໆເລື່ອງໃນເບື້ອງຕົ້ນແມ່ນເວົ້າກ່ຽວກັບ "Devils Beer" ຫຼື "Satan's Algorithm", ແຕ່ຍ້ອນວ່າພວກເຮົາບໍ່ສາມາດຕັດສິນໃຈວ່າຈະເອີ້ນມັນແນວໃດ, ພວກເຮົາຕິດກັບ ML IPA ເກົ່າທີ່ລຽບງ່າຍ.

ມັນບໍ່ ສຳ ຄັນປານໃດວ່າຮູບແບບທີ່ ໜ້າ ເຊັກຊີຫຼືຊຸດ Python ຖືກ ນຳ ໃຊ້, ແຕ່ວ່າວິທີການຄູ່ຂອງ AI ແລະຄວາມຮູ້ກ່ຽວກັບໂດເມນ ນຳ ໄປສູ່ການສ້າງຜະລິດຕະພັນ.

AI ຈະບໍ່ເອົາຊະນະໂລກຂ້າມຄືນ. ມັນຈະບໍ່ທົດແທນວຽກແລະຈະບໍ່ປົກຄອງດ້ວຍການໃຊ້ ກຳ ປັ້ນເຫຼັກ. ລ່າໄດ້ປະຕິບັດຕົວແບບຂອງພວກເຮົາແລະໄດ້ແລ່ນໄປກ່ອນຢ່າງເຕັມທີ່. ມັນຍັງເປັນຄວາມຄິດສ້າງສັນ, ຄວາມ ຊຳ ນານແລະຄວາມຮູ້ພື້ນຖານຂອງລາວທີ່ໄດ້ສ້າງສະຖິຕິ ML IPA ທີ່ໄດ້ຮັບລາງວັນ ໃໝ່. ການຍົກລະດັບພື້ນຖານໂຄງລ່າງອາຄານໃຫ້ເຂັ້ມແຂງເພື່ອສະ ໜອງ ການຄາດຄະເນການຮຽນຮູ້ຂອງເຄື່ອງຈັກໃນເວລາຈິງ, ໃນລະດັບໃຫຍ່ແລະມີຄວາມສະດວກສະບາຍບໍ່? ພວກເຮົາແມ່ນ.

ເຄື່ອງ Metis ກຳ ຈັດຂວດ (ບໍ່ມີຈຸດປະສົງ) ໃນການສະ ໜອງ ທໍ່ຮຽນຮູ້ເຄື່ອງຈັກ. ພວກເຮົາສຸມໃສ່ວຽກງານທີ່ຫຍຸ້ງຍາກແລະໃຊ້ເວລາໃນການສ້າງພື້ນຖານໂຄງລ່າງເພື່ອໃຫ້ລູກຄ້າຂອງພວກເຮົາ, ລວມທັງຜູ້ຜະລິດເຄື່ອງດື່ມພາຍໃນທ້ອງຖິ່ນສາມາດສຸມໃສ່ສິ່ງທີ່ພວກເຂົາຮັກແລະສົນໃຈ.

1 - ຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບສູດການຄິດໄລ່ SVM: https://en.wikipedia.org/wiki/Support_vector_machine

2 - IBU (International bitterness Units), ABV (ເຫຼົ້າໂດຍປະລິມານ) ແລະ SRM (ວິທີການອ້າງອີງມາດຕະຖານ) ແມ່ນມາດຕະການທົ່ວໄປ ສຳ ລັບການປະເມີນລົດຊາດແລະຄຸນລັກສະນະຂອງເບຍ. ເຫຼົ່ານີ້ບໍ່ແມ່ນຊິ້ນສ່ວນພິເສດທີ່ຖືກ ນຳ ໃຊ້ໃນເວລາສ້າງສູດເບຍ, ແຕ່ມັນແມ່ນຈຸດເລີ່ມຕົ້ນ.

3 - ຂ້ອຍມີຄວາມ ລຳ ອຽງໃນການອ້າງວ່າ ML IPA ແມ່ນສິ່ງທັງ ໝົດ ນັ້ນແລະເປັນຖົງຊິບ. ຜູ້ນັ້ນຈະບໍ່ແມ່ນຜູ້ນັ້ນບໍ?

Tyler Hutcherson ແມ່ນວິສະວະກອນວິທະຍາສາດຂໍ້ມູນທີ່ Metis Machine ໃນເມືອງ Charlottesville, VA.