GPU и Deep Learning помогают пивоварам улучшить свою продукцию

GPU и Deep Learning помогают пивоварам улучшить свою продукцию
NVIDIA и пенное

Джейсон Коуэн не первый ищет решение своих проблем на дне пивного стакана. Но, возможно, 24-летний предприниматель стал первым, кто нашел его. История Джейсона могла бы стать отличным сюжетом для сериала «Кремниевая долина», если бы она случилась где-нибудь в Пало-Альто, а не в шумном колледже Пенсильвании. В этом месте тот факт, что Джейсон обратился к графическим процессорам в своей пенной работе, вряд ли кого-то удивит.

Это история человека, который не изучал маркетинг, чтобы продавать свой продукт — программное обеспечение для контроля качества пива, предназначенное для производителей пива. Но, конечно, ему пришлось обратиться к основам маркетинга, чтобы сделать свой продукт. Ответ, как ни странно, нашелся в бесплатном пиве. Именно эта находка позволила предпринимателю занять центральное место в пенном бизнесе пивоварения – бизнесе, который развивается так быстро, что Джейсону пришлось обратиться к графическим процессорам, чтобы в нем не утонуть.

Джейсон разбирается в качестве еды с детства. Его родители-юристы были знатоками оливкового масла. Джейсон унаследовал их тонкий вкус. Сначала он стал профессиональным дегустатором чая, потом покинул Флориду, чтобы изучать политику в Университете штата Пенсильвания. Пробуя себя в разных областях, он наткнулся на Институт Чая при данном университете, который сейчас является одной из ведущих организаций в мире по культуре чая.

Четыре года назад Джейсон столкнулся с проблемой, которая знакома любому специалисту по обработке данных. Чтобы получить значимые, репрезентативные результаты, ему нужно было обработать много исходных данных. Поэтому он бегал за студентами университета, умоляя их попробовать чай и рассказать о своих впечатлениях. Это было непросто.

GPU и Deep Learning помогают пивоварам улучшить свою продукцию

Бесплатное пиво? Да!

Вот тогда-то Джейсону и пришла в голову мысль про бесплатное пиво, которое и помогло ему собрать необходимые данные. Желающих было хоть отбавляй, какие бы сорта пива Джейсон им ни предлагал. Горький индийский светлый эль. Пряный пильзнер. Доппельбок с шоколадным привкусом. Пробные порции по 50-80г уходили на ура.

Через несколько недель у Джейсона уже было достаточно информации для полноценной аналитики. Собранная база, например, позволяла определять недостатки того или иного сорта. Например, пиво с привкусом свежесрезанной травы содержит слишком много цис-3-гексенола. Это происходит, когда в производстве используются несвежие шишки хмеля. Такая информация будет полезна любому пивовару.

Джейсон смог обнаружить то, что может ускользнуть от дегустатора. Новичок, например, может не почувствовать разницу между хорошим пивом и пивом с запахом тухляка, который появляется в результате слишком долгого воздействия солнечного света. Но анализируя ощущения дегустаторов пива, Джейсон может это определить. Он даже может предсказать, каким именно демографическим группам понравится данное пиво.

Тогда Джейсон понял, что проект вышел за рамки исследования и может стать полноценным бизнесом. 11% от общего объема продаж американского пива в прошлом году пришлось на долю небольших пивоварен. При этом, эти быстро растущие компании заработали 19% от 101.5 млрд долларов продаж пива в рознице.

GPU и Deep Learning помогают пивоварам улучшить свою продукцию

Пивное море возможностей

Сегодня рынок пива в США развивается стремительными темпами и переживает настоящий расцвет. В 1983 году в стране был всего 51 пивовар. Ведущей шестерке принадлежало 92% рынка. Широкий доступ к новым технологиям в корне изменил расклад. За последние два десятилетия появилось множество небольших компаний, оснащенных новыми доступными технологиями, такими, как автоматизированная качественная система консервации. И теперь их уже больше 3000. «Новые технологии — это то, что спасло пиво!» — говорит Джейсон.

Чтобы захватить еще большую долю рынка, небольшим пивоварням нужно продумывать каждый шаг. Качество продукта и продуманная стратегия развития для небольших пивоваров, особенно для производителей крафтового пива, — это вопрос жизни и смерти. Но никто не застрахован навеки. В 70-е годы эксперименты над методами пивоварения уничтожили одного из лидеров рынка компанию Schlitz, так как они просто испортили вкус пива. «Именно эту историю мы рассказываем нашим клиентам», — объясняет Джейсон.

Скорость — это ключевой фактор успеха. Разработка Джейсона позволяла ему выявлять 20 наиболее частых проблем пива всего за несколько дегустаций — дегустаторы отмечали свои ощущения на смартфонах по 25 параметрам, однако получение итоговых результатов занимало много времени. Для пивоваров отсроченные результаты аналитики были менее полезны, ведь, как только пиво было отгружено, оно им больше не принадлежало.

Обработка данных становится быстрее

Тогда команда Джейсона, состоящая из 11 человек, начала экспериментировать с графическими процессорами. Переход на GPU позволил им втрое ускорить анализ данных, полученных от дегустаторов. Доступ к вычислительным ресурсам оказался простым и экономичным — поскольку Amazon предоставляет в аренду GPU-ускоренные серверы, команда аналитиков их просто арендует, когда в этом возникает необходимость.

Благодаря использованию GPU, программное обеспечение компании Gastrograph может определять десятки сортов пива — венские лагеры, ирландские стауты и берлинские вайсбиры — всего за несколько секунд, а не за несколько минут, как было раньше.

Это важный момент при идентификации возможных проблем пива. Так, маслянистый диацетил улучшает плотную кремовую текстуру темных портеров и стаутов. Но его наличие - это смертельная ошибка для популярных лагеров.

GPU и Deep Learning помогают пивоварам улучшить свою продукцию

Джейсон применяет графические процессоры не только для классификации пива. С помощью GPU он создает модели, которые помогают анализировать полученные от дегустаторов данные, сопоставляя их с уже существующей базой, состоящей из более чем 100 000 описаний видов пива.

Без вычислительных возможностей GPU команде Джейсона потребовалось бы много времени, чтобы, например, обучить глубокие многослойные нейронные сети. Но, благодаря инструментам NVIDIA CUDA, таким, как gputools и gmatrix, процесс происходит значительно быстрее. Поэтому теперь на настройку модели уходит всего несколько минут.

Что дальше? Расширение бизнеса. У Джейсона, который теперь является генеральным директором Analytical Flavor Systems, уже есть клиент, имя которого он может назвать — Ottoʼs Pub and Brewery. Десятки других работают с ним либо на условиях неразглашения информации, либо еще только налаживают сотрудничество. Молодой предприниматель активно привлекает венчурные инвестиции. И планирует переехать в новое здание. Это вполне подходящее для компании старое общежитие.

Вот и все. Вполне знакомая история для каждого предпринимателя, не так ли? За одним исключением: в отличие от многих других стартапов, Джейсону нанимать персонал очень легко. В конце концов, это бизнес, построенный на регулярных пивных дегустациях. И с каждым глотком база данных Джейсона становится все весомее.

Тырк

GPU и Deep Learning помогают пивоварам улучшить свою продукцию
351 просмотр всего
Добавить комментарий Обсуждение новости
Следить за обсуждением
Осталось символов
Добавить
Vokala добавил комментарий | 11 сентября 2015 18:23
Просто для интереса спрошу, сколько вам дали стаканов пива за эту статью?
Ответить Цитата
0
Йоханан Привалов ON добавил комментарий | 11 сентября 2015 18:59
Vokala, вот ты иронизируешь, а нам тут бабло уже складывать некуда. скоро придется еще один бункер рыть.
Ответить Цитата
0
Добавить комментарий
Осталось символов
Добавить
Горячие обсуждения