Исследователи из Университета Свами Вивекананда Субхарти (Индия) продемонстрировали, что воспринимаемый человеком вкус блюда можно предсказать с помощью алгоритмов машинного обучения, если учитывать не только химические свойства еды, но и весь комплекс сенсорных сигналов – зрительных, слуховых, обонятельных и тактильных, – а также эмоциональное состояние едока.
Работа опубликована в журнале International Journal of Gastronomy and Food Science и представляет интерес прежде всего как методологический прецедент: впервые в рамках нейрогастрономического подхода количественно проверили идею о том, что вкус – это конструкт мозга, в целом, поддающийся вычислению.
Нейрогастрономия как научное направление оформилась в последние два десятилетия во многом благодаря работам нейробиолога Гордона Шеперда и специалиста по психологии сенсорных ощущений Чарльза Спенса. Лежащее в ее основе знание радикально расходится с бытовым представлением о вкусе: то, что мы называем «вкусом» блюда, лишь на четверть определяется рецепторами языка (сладость, кислота и тд.). Основной вклад вносит ретроназальное обоняние – поток летучих молекул-одорантов, который поднимается из ротовой полости к обонятельному эпителию во время жевания. К этому добавляются зрительные ощущения (цвет тарелки, освещение зала), текстура еды, посуды и приборов, фоновые звуки, эмоциональное состояние.
Исследования с применением методов нейровизуализации показали, что интеграция всех этих сигналов происходит в островковой коре и орбитофронтальной коре – зонах, связанных одновременно с сенсорной обработкой и эмоциональной оценкой. Именно эмоциональную составляющую исследователи давно подозревали в качестве медиатора между средой и субъективным вкусовым опытом, однако количественно описать эту цепочку до сих пор не удавалось в единой вычислительной модели.
Авторы нынешней работы сформулировали экспериментальный протокол с тремя условиями: контрольная среда без сенсорных манипуляций, частичная мультисенсорная стимуляция и полная мультисенсорная стимуляция. В качестве зрительного воздействия варьировалась цветовая температура освещения (теплый свет 3000 К против холодного 6000 К) и цвет тарелок (белые против черных). Звуковое воздействие представляло собой низкочастотную фоновую музыку (60–90 Гц), подобранную согласно вкусовому профилю блюда и воспроизводившуюся на уровне 55 дБ. Обонятельную стимуляцию проводили, распыляя соответствующие блюду ароматические соединения в подпороговых концентрациях – так, чтобы участники не осознавали запаха, но мозг его регистрировал. Тактильная составляющая варьировалась через массу тарелки и фактуру столовых приборов при неизменном внешнем виде посуды.
Нейрофизиологические реакции записывались 14-канальным носимым ЭЭГ-устройством, а затем из записей извлекались маркеры внимания (бета-активность) и эмоционального вовлечения (альфа-асимметрия). Субъективные оценки собирали с помощью 9-балльных гедонических шкал интенсивности и удовольствия, а эмоциональный статус фиксировали по шкале самооценки SAM.
Необходимо, однако, сделать важную оговорку: авторы прямо указывают в статье, что итоговый датасет (N=120) являлся синтетически сгенерированным с помощью Python-библиотек numpy и pandas – то есть данные смоделировали так, чтобы отражать ожидаемые распределения, а не получены от реальных испытуемых. Раздел «Доступность данных» в опубликованной статье содержит формулировку «No data was used for the research described in the article», что делает любые нейрофизиологические результаты симуляцией, а не измерением.
Тем не менее аналитический пайплайн, который авторы реализовали, сам по себе представляет методологический интерес. Три класса машинных алгоритмов – случайный лес, метод опорных векторов и градиентный бустинг – обучались на 80% данных и тестировались на оставшихся 20%. Градиентный бустинг показал наилучшие результаты по точности (0,86) , случайный лес уступил ему совсем незначительно (0,83), тогда как SVM оказался заметно слабее (0,78). Анализируя значимость признаков, авторы построили иерархию предикторов воспринимаемого вкуса. Самой важной оказалась обонятельная интенсивность, за ней следовали визуальная привлекательность подачи, эмоциональная валентность по ЭЭГ, тактильная текстура и звуковое сопровождение. Добавление в модели кросс-модальных взаимодействий (произведений признаков разных сенсорных каналов) подняло точность, подтвердив, что сигналы разных модальностей действуют синергетически.
Также статистический анализ продемонстрировал, что эмоциональное вовлечение выступает частичным медиатором между мультисенсорной стимуляцией и вкусовым удовольствием. Иными словами, среда влияет на вкус двумя путями: напрямую через сенсорные каналы и опосредованно – через изменение аффективного состояния едока. Кластеризация синтетических «участников» по ЭЭГ-профилям выявила три группы: высокововлеченные (45% выборки, средняя оценка удовольствия 7,02 из 9), средневовлеченные (37%, оценка 6,41) и низкововлеченные (18%, оценка 5,19) – что, по мнению авторов, открывает возможности для персонализированного проектирования ресторанной среды.
Авторы сами обозначают принципиальные ограничения работы. Главное из них – использование симулированных данных вместо реальных нейрофизиологических измерений. Все полученные результаты, строго говоря, подтверждают лишь то, что заложенные в генератор данных допущения воспроизводятся моделями, а не то, что живой мозг работает именно так. Второе ограничение – использование только ЭЭГ и поведенческих реакций при отсутствии фМРТ, окулографии и вариабельности сердечного ритма, что сужает нейробиологическую интерпретируемость. Ну, конечно, авторы не учитывали культурную специфику вкусового восприятия, которая может существенно модифицировать все выявленные эффекты. Также они призывают в будущем применять методы объяснимого ИИ, чтобы сделать модели пригодными для этичного внедрения.
Несмотря на все эти оговорки, работа представляет ценность как подробно описанный вычислительный фреймворк. Если воспроизвести описанный протокол на реальных данных, он может стать инструментом для проектирования ресторанной среды, адаптивных меню и персонализированных гастрономических впечатлений – областей, где пересечение нейронауки и искусственного интеллекта только начинает раскрывать свой потенциал.
Текст: Анна Хоружая