“Lo bevo quando sono contenta e quando sono triste. Lo esigo quando sono sola e, quando ho compagnia, lo considero obbligatorio. Lo sorseggio quando non ho fame e lo reputo indispensabile quando ne ho. Altrimenti non lo tocco, a meno che non abbia sete”. Così diceva Lily Bollinger, una delle “dames” più famose della storia dello champagne, dal 1941 al 1971 a capo dell’omonima azienda, resa famosa da James Bond e dai reali d’Inghilterra. Chissà cosa penserebbe oggi, se sapesse che l’abilità gustativa degli enologi potrebbe essere sostituita dall’Intelligenza Artificiale.
In casa Bollinger, infatti, si studia come predire la qualità delle annate di champagne attraverso un modello di deep learning, come ha raccontato lo chef de cave Denis Bunner. La prova si è avuta all’inizio del 2021, quando gli enologi di Bollinger si sono preparati per il primo assaggio de La Grande Année 2014, invecchiato per sette anni nelle cantine della casa. Si tratta dello champagne d’annata di punta di Bollinger, creato solo quando la qualità è ritenuta adeguatamente elevata. Prima dell’apertura delle bottiglie, ci si chiedeva quale sarebbe stato il risultato, data la stagione di crescita altalenante che aveva fatto registrare un caldo record a giugno, seguito da un’estate fredda e umida che aveva rallentato la maturazione delle uve.
Ma Bunner già conosceva la risposta ancor prima di stappare. Dopo aver trascorso due anni a spulciare una montagna di dati storici sulle interazioni tra terroir, vitigni, clima e qualità del vino nel corso del ciclo stagionale, era convinto che l’annata 2014 sarebbe stata eccezionale, nonostante l’esitazione di alcuni suoi colleghi. “Prima dell’assaggio ho detto loro: sarà davvero una grande annata. Avevo fiducia nel deep learning per le previsioni sullo champagne e tutti i parametri erano allineati”, ha raccontato.
Champagne, Bollinger sperimenta il deep learning
Le papille gustative sono state così sostituite da un modello di deep learning: un’innovazione incredibile soprattutto per una materia come l’enologia, spesso considerata, anche dai suoi praticanti, un’arte alchemica più che una disciplina scientifica. Il punto di partenza è stata l’analisi dei probabili impatti del cambiamento climatico sulla coltivazione e sulla qualità del vino: la banca dati che ha permesso di ottenere questo risultato attraverso l’AI è stata la Wine Library di Bollinger, una collezione unica di annate risalenti a generazioni precedenti, assemblata a partire da scorte giacenti da anni nelle cantine della casa. Alcuni anni fa è, infatti, iniziato un progetto per raccogliere, degustare, valutare e restaurare le centinaia di bottiglie incrostate di polvere, che ora costituiscono questo archivio liquido.
“Abbiamo analizzato le stagioni di maturazione delle viti, dividendo ogni fase per trovare una relazione tra il processo di coltivazione e la qualità finale”, spiega Banner, come riporta Analytics Insight. “Possiamo vedere settimana per settimana esattamente quale dovrebbe essere lo scenario giusto, e più ci si allontana da esso, più si rischia”. Il deep learning è in grado di prevedere la forza di una stagione anche durante il suo svolgimento: come spiega Banner, normalmente è necessario assaggiare circa 4.000 botti dopo la prima fermentazione prima di poter avere una visione chiara della qualità dell’annata. “Possiamo avere un’idea quando raccogliamo l’uva durante la vendemmia, ma per essere sicuri dobbiamo aspettare quel sapore”, ha detto ancora.
