
屡获殊荣的瑞典酿酒厂牌Mackmyra最近推出的Intelligens,是全球第一款使用人工智能程序酿造而成的威士忌。
顶级威士忌的AI酿造艺术
Mackmyra与芬兰科技公司Fourkind合作开发出一套AI系统,用于增强及自动化某些以往只能由酿酒厂首席调酒师完成的任务,由此开发出不同于以往的全新产品。
首席调酒师往往要耗费大量时间精心品尝及试验,努力创造出最独特的风味。为了节约时间,Mackmyra希望使用机器学习技术以筛选大量数据,借此高效找到具有风味魔力的完美配方。
Fourkind公司使用Machine Learning Studio与微软Azure创建起AI系统,并向其“投喂”了以下几套系统数据集:
● Mackmyra现有威士忌配方
● 木制酒桶信息(每只酒桶都会赋予威士忌独特的风味)
● 消费者评价
● 销售数据
● 威士忌专家的评估意见
这套AI系统分析了7000万种可能的组合,并创建起一套框架用以发明种种创新型配方。
在第一批配方出炉之后,Macmyra公司首席调酒师Angela D’Orazio给出了反馈,帮助AI系统进一步筛选出合适的配方并了解市场上畅销的威士忌大多具有哪些口味取向。
在每一轮调整中,酒厂都能进一步缩小选择范围,并不断提升配方质量。最终,D’Orazio选择了第36号配方作为创新产品的终极方案。
AI仍无法替代人类
但各位首席调酒师们也不必担心,AI的介入并不会影响您的职业生涯。即使是最先进的AI系统,目前也无法复制或替代人类敏锐的感官、智慧与见解。威士忌酿造中的人性化一面仍将长久存在。
相反,Mackmyra是希望利用AI创建出一种强大的工具,探索如何帮助首席调酒师摆脱某些重复、枯燥的任务,将更多精力集中在配方设计身上。
Fourkind与Mackmyra用于筛选大量数据、开发新配方的AI技术,也有望在其他领域发挥重要作用。目前,香水、甜品、药品与服装设计等行业都在积极寻求快捷高效的AI软件解决方案。
无数企业也在积极扩大与AI科技公司的合作,希望不断推进内部自研能力,确保自身开发的每一款新产品都能带来最大收益。更重要的是,尽可能降低数据分析与员工学习方面的现实压力。
那么这场试验的结果如何?大家不妨亲自尝尝这款带有太妃糖、香草、梨子、苹果与淡淡橡木香味的威士忌。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。