Forskning

Kunstig intelligens lavede basilikumere

Maskinindlæring bruges til at skabe en megetlækre basilikumbuske - du ved sikkert denne plante med en usædvanlig smag, den vigtigste ingrediens i pestosauce. Selvom vi desværre ikke kan formidle smagen af ​​denne urt, er det kun for forskere at tage ordet. Disse resultater afspejler imidlertid en bredere tendens, der omfatter brugen af ​​en videnskabelig tilgang til data- og maskinindlæring for at forbedre landbruget. Hvad gør basilikum så velsmagende? I nogle tilfælde - kunstig intelligens.

Maskinindlæring gør produkter bedre

Forskere, der er vokset optimeretbasilikum brugte maskinindlæring til at bestemme vækstbetingelser, som ville maksimere koncentrationen af ​​flygtige forbindelser, der var ansvarlige for basilikens smag. En undersøgelse offentliggjort i tidsskriftet PLOS One.

Basil blev dyrket på hydroponiske gårde imodificerede fragtbeholdere i Middleton, Massachusetts. Temperatur, lys, fugtighed og andre miljøfaktorer inde i beholderne kan styres automatisk. Forskere testede smagen af ​​planter ved at søge efter bestemte forbindelser ved hjælp af gaskromatografi og massespektrometri. Og de brugte dataene i maskinlæringsalgoritmer udviklet af Massachusetts Institute of Technology og Cognizant.

Hvad er mærkeligt, undersøgelsen viste detEksponering for lys på planter i 24 timer om dagen giver den bedste smag. Nu planlægger forskere at undersøge, hvordan teknologien kan forbedre planternes evne til at bekæmpe sygdomme, samt hvordan forskellige planter reagerer på virkningerne af klimaændringer.

"Vi er virkelig interesserede i at skabenetværksværktøjer, der kan tage højde for plantens oplevelse, dens fænotype, et sæt stress i miljøet og dets genetik og digitalisering af alt dette, så du kan forstå samspillet mellem planter og miljø ", siger Caleb Harper, chef for OpenAg-teamet på Media Lab MIT Hans laboratorium arbejdede sammen med kollegaer ved University of Texas i Austin.

Idéen om at bruge maskinindlæring tilOptimering af udbytter og planteejendomme er hurtigt ved at få fart i landbruget. I sidste år organiserede Wageningen Universitet i Nederlandene "Autonome Greenhouse" -konkurrencen, hvor forskellige hold konkurrerede om at udvikle algoritmer, der øger udbyttet af agurk, samtidig med at de nødvendige ressourcer minimeres. De arbejdede med drivhuse, hvor computersystemer kontrollerer forskellige faktorer.

Lignende teknologi er allerede anvendt i noglekommercielle gårde, siger Nawin Single, som leder en gruppe dataforskere, der producerer hos Bayer, et tysk multinationalt selskab, der erhvervede Monsanto sidste år. "Smag er et af de områder, hvor vi intensivt bruger maskinindlæring," siger han. Og han tilføjer, at maskinindlæring er et kraftfuldt værktøj til dyrkning i drivhuse, men mindre nyttigt for åbne felter. I "feltbetingelser" søger forskere stadig måder at indsnævre kløften på.

Harper tilføjede, at hans gruppe vil i fremtidenoverveje den genetiske struktur af planter (lige hvad Bayer introducerer i deres algoritmer) og forsøge at sprede teknologien. Deres mål er at udvikle open source teknologi ved grænsefladen for dataindsamling, sensing og maskinindlæring og anvende den på landbrugsforskning. Dette har aldrig været gjort før.

Ser du frem til resultaterne? Fortæl os i vores chat i Telegram.