Er is een moment geweest dat een algoritme mij een wijn aanbeval die ik nooit zelf zou hebben gekozen. Een Jura Savagnin. Oxidatief, eigengereid, volledig buiten wat ik gewend was.
Het was precies goed.
De vraag die me niet loslaat
Smaak zit in het geheugen. In de geur van een keuken op een zondagochtend, in het eerste glas dat echt klopte. Het is persoonlijk op een manier die moeilijk te omschrijven is, maar die je onmiddellijk herkent als het er is.
Een machine begrijpt dat niet. Maar ze doet iets anders, iets wat me zowel trekt als ongemakkelijk maakt: ze herkent patronen die ik zelf niet zie. Ze verbindt smaken dwars door categorieën heen. En ze heeft geen vooroordelen over wat “zou moeten” smaken.
Wat ik heb leren zien
De aanbevelingen worden beter. De verhalen worden slechter. Een algoritme kan me vertellen dat ik de Savagnin waarschijnlijk lekker zal vinden op basis van mijn profiel. Maar het kan me niet vertellen over Jacques Puffeney die ‘s ochtends vroeg zijn druiven plukt terwijl de mist nog over de heuvels hangt.
Dat is niet alleen sentimentaliteit. Het is informatieverlies.
Wat wel werkt: menselijke expertise gecombineerd met machinale patroonherkenning. Niet het een of het ander. De combinatie is interessanter dan elk van beide afzonderlijk.
Wat bijna nooit wordt gevraagd: welke wijnen zitten er eigenlijk in de trainingsdata? Welke regio’s, welke producenten, welke prijsklassen? De algoritmen zijn niet neutraal. Ze reflecteren de keuzes van degenen die ze bouwden. Dat maakt smaak, of je wil of niet, ook een politieke kwestie.
Terug naar de Savagnin
Ik heb hem gedronken terwijl ik dit stuk schreef. Het algoritme had gelijk. Hij was eigengereid, complex en volkomen passend bij wat ik op dat moment nodig had.
Maar ik weet nog steeds niet precies waarom het klopte. Dat onweten is misschien wel het mooiste aan wijn.
Dit is het eerste deel in een reeks over technologie en smaak. De volgende aflevering gaat over de vraag of je Bourgogne kunt begrijpen zonder er ooit te zijn geweest.