THE NEW YORK TIMES — Na região de Bordeaux, no sudoeste da França, dezenas de propriedades vinícolas transformam uvas exigentes em ousadas misturas de vinho tinto. Algumas garrafas são vendidas por milhares de dólares cada. Châteaux de prestígio se vangloria do solo, do microclima e dos métodos tradicionais que tornam seu próprio vinho superior, uma mistura inescrutável conhecida como terroir.
“É um daqueles termos que o setor de vinhos gosta de manter um pouco misterioso, parte da magia do vinho”, diz Alex Pouget, neurocientista computacional da Universidade de Genebra.
Pouget está tentando aplicar a precisão química a esse je ne sais quoi. Em um estudo publicado na terça-feira na revista Communications Chemistry, ele e seus colegas descreveram um modelo de computador capaz de identificar qual propriedade de Bordeaux produziu um vinho com base apenas em sua composição química. O modelo também previu o ano em que o vinho foi produzido, conhecido como sua safra, com cerca de 50% de precisão.
Embora os conhecedores de vinho frequentemente afirmem ser capazes de distinguir entre os vinhos das melhores propriedades, eles raramente fazem testes de degustação às cegas, disse ele. “As pessoas têm feito essas afirmações há décadas, mas nunca tivemos uma medição objetiva que mostrasse que isso era verdade”, disse ele.
Pouget cresceu em Paris em uma família que bebia apenas Bordeaux (“Vocês fingem que a Borgonha não existe”, diz ele). Como um jovem neurocientista no final dos anos 1980, ele estudou o cérebro com aprendizado de máquina, um tipo de inteligência artificial que identifica padrões em grandes conjuntos de dados. Ele acreditava que esses métodos poderiam ser úteis para o setor de vinhos, mas não chegou a testar a ideia por 30 anos.
Ele se uniu a Stéphanie Marchand, do Institute of Vine and Wine Science, em Bordeaux, que havia criado um banco de dados de 80 vinhos de várias safras de sete castelos. O banco de dados continha as assinaturas químicas de cada vinho obtidas por cromatografia gasosa, um método antigo e barato de decompor substâncias em seus componentes moleculares.
Os pesquisadores treinaram um algoritmo para buscar padrões comuns nas impressões digitais químicas dos vinhos. Eles ficaram chocados com os resultados: o modelo agrupou os vinhos em grupos distintos que correspondiam às suas localizações geográficas na região de Bordeaux. Isso mostrou que as particularidades de cada propriedade haviam influenciado drasticamente a química dos vinhos produzidos ali, exatamente como os produtores de vinho afirmam há séculos.
Tenho provas científicas de que faz sentido cobrar mais dinheiro das pessoas por isso, porque elas estão produzindo algo único
Alex Pouget, neurocientista computacional da Universidade de Genebra
As propriedades deram permissão aos pesquisadores para estudar seus vinhos com a condição de não serem identificadas. Pouget disse que todos os vinhos faziam parte da famosa classificação de Bordeaux de 1855, uma classificação instituída por Napoleão III para promover os melhores vinhos de Bordeaux.
O Dr. Pouget ficou surpreso com o fato de os produtores de vinho não quererem revelar seus nomes, pois as descobertas do estudo reforçaram a noção de que seus vinhos eram especiais. “Tenho provas científicas de que faz sentido cobrar dinheiro das pessoas por isso, porque elas estão produzindo algo único”, diz ele, rindo.
IA e enologia
Pesquisadores independentes disseram que o estudo faz parte de uma onda de pesquisas recentes que utilizam o aprendizado de máquina para decifrar o terroir. “É para onde o campo está indo e precisa ir para dar sentido a uma abundância de dados”, disse David Jeffery, especialista em química do vinho da Universidade de Adelaide, na Austrália.
Por exemplo, ele usou o aprendizado de máquina para classificar os vinhos Shiraz do Barossa Valley, na Austrália.
A abordagem, diz Jeffery, “não é apenas sobre o que torna um vinho excelente do ponto de vista químico”. Os modelos também poderiam ajudar os produtores a ajustar suas práticas de cultivo e vinificação para preservar o caráter de seus produtos em anos de clima inesperado. “Isso é especialmente importante diante de um clima em mudança”, disse ele.
Outra aplicação desses modelos, segundo os especialistas, é a eliminação de fraudes, o que é bastante comum em vinhos caros. Os produtores ajustaram suas garrafas, rótulos e rolhas para torná-los mais difíceis de copiar.
Se houver dúvida sobre a origem de um vinho, a análise de um vinho proveniente da propriedade como referência provavelmente permitiria saber se o vinho é falso ou não
Cornelis van Leeuwen, chefe do departamento de viticultura e enologia da Bordeaux Sciences Agro
“Se houver dúvida sobre a origem de um vinho, a análise de um vinho proveniente da propriedade como referência provavelmente permitiria saber se o vinho é falso ou não”, diz Cornelis van Leeuwen, chefe do departamento de viticultura e enologia da Bordeaux Sciences Agro.
A abordagem provavelmente funcionaria para qualquer região vinícola, desde que o modelo tenha sido treinado em uma grande variedade de vinhos de diferentes produtores e safras, diz van Leeuwen, que não participou do novo estudo. Uma questão em aberto, porém, é se o modelo manteria sua precisão após alguns anos, disse ele.
Pouget, que tem uma grande coleção de vinhos, espera repetir o estudo usando alguns de seus tipos favoritos da região de Châteauneuf-du-Pape, no sudeste da França.
Mas entre os melhores vinhos, diz, a idade é provavelmente mais importante do que a procedência. “Eu só bebo vinho velho”, disse ele. “Acho que beber coisas com menos de 15 anos é um pouco criminoso.”
Este conteúdo foi traduzido com o auxílio de ferramentas de Inteligência Artificial e revisado por nossa equipe editorial. Saiba mais em nossa Política de IA.
Os comentários são exclusivos para assinantes do Estadão.
