收益：
- 能够理解感官评价（味道、气味、质地、外观）和味觉小组的概念，并使用人工智能进行测试表格和分析草稿。
- 能够总结口味测试结果，并将其转化为在人工智能支持下改进食谱的决策
- 了解人工智能无法体验味道，最终的感官认可始终取决于人类面板和厨师的味觉
我们已经学到了本模块中最重要的一课。因为厨房的所有计算、计划、视觉和文字都只服务于一件事：盘子里的味道。味道存在于人工智能无法触及的地方——人类的味觉、鼻子和舌头。在本单元中，我们将涵盖感官评估（对味道、气味、质地、外观、声音的科学和系统的评估）和味觉小组；我们将使用人工智能进行测试形式和结果分析。但我们在这里写下最明确的一句话：人工智能无法品尝、嗅觉或咀嚼。最终的感官认可始终取决于人类味觉小组和厨师的味觉。这是任何情况下都不能跳过的人类步骤。
感官评价衡量什么？
体验盘子时，所有五种感官都会发挥作用。外观（颜色、光泽、外观）、气味/香气（鼻子闻到的味道）、味道（甜、咸、酸、苦、鲜味——第五种基本味道，肉汤和蘑菇的全部味道）、质地/口感（脆度、奶油味、硬度），甚至声音（脆皮的声音）。感官评价试图将这些从主观性中去除并系统地测量它们：评分、比较、描述。
评估有两种类型。分析（客观）：训练有素的小组测量某些特征（盐度水平、脆度）。情感/享乐（主观）：普通消费者评价喜欢程度（我有多喜欢它）。餐厅同时使用两者：厨房团队评估技术，客人决定口味。人工智能两者都无法体验；但它有助于组织和总结人们的评级和评论。
人工智能的作用：形式和分析，而不是品味
人工智能在口味测试中以两种方式发挥作用。第一个是测试设计：为口味小组准备一份评分表——评分的属性（盐、质地、香气、总体喜好）、什么等级（1-5、1-9）、什么问题。良好的形式使测试有效。其次，结果分析：总结小组成员填写的分数和评论——平均分数、最常见的评论（“太咸”4人）、改进信号。
但要注意：人工智能的总结整理了人类给出的数据；他没有添加自己的味觉判断。人工智能无法回答“这个菜谱好吃吗？”的问题。它只是让人类数据可见，例如“八分之六的小组成员发现盐分过多”。决定仍然取决于人。
提示：当人工智能准备口味测试表时，请指定您想要的功能数量、规模和自由评论区域。少量明确的功能（4-6）和“总体喜欢”评分就足够了，适用于大多数厨房测试。
盲测和偏见
可靠口味测试的秘诀是盲测：小组成员不知道他正在品尝哪个版本。从哪里？因为诸如“这位厨师的新食谱”或“这种昂贵的食材”之类的信息会扭曲味道。将两种酱汁的意大利面标记为 A 和 B，并在不区分哪一种是新的情况下品尝它们，揭示了真正的偏好。 AI帮助设计盲测协议（如何编码、有多少人、什么顺序）；但测试、准备菜肴和品尝的却是人类。
注意：不要问AI“哪种菜谱更好吃”并据此做出决定。人工智能不知道品味；它产生的答案看似合理，但这只是猜测，而不是品味。真正的人必须品尝真正的盘子才能判断味道。
三个迷你箱子
案例 1 — 形式规定的测试。一位厨师正在开发一种新酱汁，但团队的反馈很分散（“好”、“不是”、“不知道”）。他要求人工智能提供一个结构化的味觉形式：1-5个等级+对盐、酸、质地、香气和整体喜好的自由解释。 8人团队填写表格； YZ 总结的结果：酸分数低，盐平衡。厨师加了柠檬，第二轮升值了。 AI提供了表格和摘要；味觉决定。
案例2——盲测意外。一家餐厅正在考虑用一种更便宜的原料来替代成本。他们没有假设“差异是难以察觉的”，而是进行了盲测：两个版本进行了 A/B 编码，12 名小组成员品尝了它们。结果由AI总结；大多数小组成员根据其质地来区分较便宜的版本，并且不太喜欢它。更改被放弃。盲测和人的味觉压倒了成本决定。
案例 3 — 向 AI 询问口味时出错。经理问AI：“这个菜谱好吃吗？”没有制作新的甜点，他回答说“是的，那就太好了”并将其放在菜单上。服务中的甜点不受欢迎；质地很重。教训：人工智能无法品尝。下一个产品首先在厨房制作，呈现给品尝小组，经过两轮改进，然后进入菜单。最终的认可通过了味觉。
四个可复制模板
1) 口味测试表：
您的角色：感官测试助理。为品尝小组准备一份评估表。产品：[菜/酱]。评价特征：盐、酸度/酸味、质地、香气、整体味道。每个有 1-5 个等级，还有一个简短的免费评论区。准备一份不需要小组成员 ID 的快速填写表格。
2) 盲测协议：
设计一个盲味测试协议，我将在其中比较两个菜谱版本（A 和 B）：有多少小组成员、菜肴如何编码、上菜顺序、采取哪些措施来减少偏见、收集哪些数据。我将用真实的板材进行测试。
3）小组结果总结：
下面是小组成员填写的品味表数据（一名小组成员、属性得分和每行评论）。提取平均分数，总结评分最低的功能和最频繁的评论。这是一个摘要；味道我来决定。数据：[表]。
4）改进建议（基于人工数据）：
根据口味小组的结果，[酸度低、盐分平衡、口感厚重]。根据此反馈，建议在食谱中尝试进行 3 项调整（成分/技术）。指出每种设置都应在厨房进行测试和重新品尝。
弱提示/强提示
弱：
这个菜谱好吃吗？
人工智能无法品尝；给出合理但毫无根据的答案，误导决策。
强：
您的角色：感官测试助理。我将由 8 个人组成的品尝小组来评估这种酱汁。准备 1-5 杯的份量，以了解盐、酸、稠度、香气和一般味道。之后，我会将小组结果总结给大家并获得改进的想法。评审团和我将做出口味决定。
感官评价角色（表）
舞台
内容
人工智能贡献
人的角色
表格设计
特征+规模
模板生成
选择要测量的内容
盲测
公正的比较
协议草案
准备盘子+品尝
品尝
真实的感官体验
无
完全是人类
结果分析
评级/评论摘要
总结
解读
决定
更改/确认配方
建议
最终批准（口味）
常见错误
- 让人工智能询问品味。人工智能无法品尝；口味决定权属于人类小组。
- 不做盲测。知道是谁制造的/它的价格会扭曲品味。
- 非结构化反馈。 “好事”是行不通的；用形式来衡量。
- 依靠一个人的判断。一个面板比单个珠子更可靠。
- 跳过测试并将其放在菜单上。未经感官认可，该板材将无法上线。
综上所述
感官评价是考验厨房所有努力的地方：味道。人工智能是设计口味测试表、建立盲测协议和总结小组结果的有用助手。但人工智能无法品尝、嗅觉或咀嚼；他对自己的口味没有判断力。最终的感官认可始终取决于面板和厨师的味觉，真正的人们品尝真正的菜肴。这一步是本模块最不妥协的规则。
应用任务
选择一道菜或酱汁。让 AI 准备一份包含 5 个特征的口味测试表。然后制定盲测协议（两个版本，有多少小组成员，编码）并编写实施步骤。生成想象的（或真实的）面板结果，将其汇总给人工智能，并针对最薄弱的特征获得三个改进想法。用一句话说明谁将做出最终的口味决定以及如何做出决定。
清单
- [ ] 我将口味决定权留给了人类小组，而不是人工智能。
- [ ] 口味测试表包括明确的规格和范围。
- [ ] 我使用盲测来进行重要的比较。
- [ ] 我通过结构化表格收集反馈。
- [ ] 我依赖的是专家组的意见而不是单一的口味。
- [ ] 未经感官认可，我不会在菜单中添加任何菜肴。