Έρευνα

Η τεχνητή νοημοσύνη έκανε τον βασιλικό πιο νόστιμο

Η μηχανική μάθηση χρησιμοποιείται για να δημιουργήσει ένα πολύνόστιμα μπουζούκια βασιλικού - πιθανώς γνωρίζετε αυτό το φυτό με μια ασυνήθιστη γεύση, το κύριο συστατικό της σάλτσας πέστο. Παρόλο που, δυστυχώς, δεν μπορούμε να μεταφέρουμε την γεύση αυτού του βοτάνου, παραμένει μόνο για τους επιστήμονες να πάρουν τη λέξη. Ωστόσο, τα αποτελέσματα αυτά αντικατοπτρίζουν μια ευρύτερη τάση που περιλαμβάνει τη χρήση επιστημονικής προσέγγισης στη μάθηση δεδομένων και μηχανών για τη βελτίωση της γεωργίας. Τι κάνει το βασιλικό τόσο νόστιμο; Σε ορισμένες περιπτώσεις - τεχνητή νοημοσύνη.

Η μηχανική μάθηση κάνει τα προϊόντα καλύτερα

Οι επιστήμονες που έχουν βελτιωθείβασιλικό χρησιμοποιημένο μηχάνημα μάθησης για τον προσδιορισμό των συνθηκών ανάπτυξης που θα μεγιστοποιούν τη συγκέντρωση των πτητικών ενώσεων που είναι υπεύθυνες για τη γεύση του βασιλικού. Μια μελέτη που δημοσιεύτηκε στο περιοδικό PLOS One.

Ο βασιλικός καλλιεργήθηκε σε υδροπονικές εκμεταλλεύσειςτροποποιημένων εμπορευματοκιβωτίων στο Middleton της Μασαχουσέτης. Η θερμοκρασία, το φως, η υγρασία και άλλοι περιβαλλοντικοί παράγοντες μέσα στα δοχεία μπορούν να ελέγχονται αυτόματα. Οι επιστήμονες εξέτασαν τη γεύση των φυτών αναζητώντας ορισμένες ενώσεις χρησιμοποιώντας αέρια χρωματογραφία και φασματομετρία μάζας. Και χρησιμοποίησαν τα δεδομένα σε αλγόριθμους μηχανικής μάθησης που αναπτύχθηκαν από το Massachusetts Institute of Technology και Cognizant.

Τι είναι παράξενο, η μελέτη το έδειξεη έκθεση στο φως στα φυτά για 24 ώρες την ημέρα δίνει την καλύτερη γεύση. Τώρα οι επιστήμονες σκοπεύουν να διερευνήσουν πώς η τεχνολογία μπορεί να βελτιώσει την ικανότητα των φυτών να καταπολεμούν τις ασθένειες, καθώς επίσης και πώς η διαφορετική χλωρίδα αντιδρά στις επιπτώσεις της κλιματικής αλλαγής.

"Μας ενδιαφέρει πραγματικά η δημιουργίαεργαλεία δικτύου που μπορούν να λάβουν υπόψη την εμπειρία του φυτού, τον φαινότυπο του, μια σειρά πιέσεων στο περιβάλλον και τη γενετική του και την ψηφιοποίηση όλων αυτών, ώστε να κατανοήσετε την αλληλεπίδραση του φυτού και του περιβάλλοντος », λέει ο Caleb Harper, επικεφαλής της ομάδας OpenAg στο Media Lab MIT. Το εργαστήριό του συνεργάστηκε με συναδέλφους του Πανεπιστημίου του Τέξας στο Όστιν.

Η ιδέα της χρήσης της μηχανικής μάθησης γιαη βελτιστοποίηση της απόδοσης και των φυτικών ιδιοτήτων κερδίζει ταχύτατα τη δυναμική στη γεωργία. Πέρυσι, το Πανεπιστήμιο Wageningen στις Κάτω Χώρες οργάνωσε τον ανταγωνισμό "Αυτόνομο Θερμοκήπιο", στον οποίο συναγωνίστηκαν διάφορες ομάδες για την ανάπτυξη αλγορίθμων που αυξάνουν την απόδοση του αγγουριού, ελαχιστοποιώντας παράλληλα τους απαραίτητους πόρους. Εργάστηκαν με θερμοκήπια στα οποία τα συστήματα υπολογιστών ελέγχουν διάφορους παράγοντες.

Παρόμοια τεχνολογία έχει ήδη εφαρμοστεί σε ορισμένουςδήλωσε ο Nawin Single, επικεφαλής μιας ομάδας επιστημόνων δεδομένων που ασχολούνται με τις αποδόσεις στην Bayer, μια γερμανική πολυεθνική εταιρεία που εξαγόρασε την Monsanto πέρυσι. "Η γεύση είναι μια από τις περιοχές στις οποίες χρησιμοποιούμε έντονα μηχανική μάθηση", λέει. Και προσθέτει ότι η μηχανική μάθηση είναι ένα ισχυρό εργαλείο για την καλλιέργεια σε θερμοκήπια, αλλά λιγότερο χρήσιμο για ανοικτά πεδία. Σε "συνθήκες περιβάλλοντος", οι επιστήμονες εξακολουθούν να αναζητούν τρόπους για να περιορίσουν το κενό.

Harper πρόσθεσε ότι στο μέλλον η ομάδα του θαεξετάστε τη γενετική δομή των φυτών (ακριβώς ό, τι εισάγει η Bayer στους αλγόριθμους τους) και προσπαθήστε να διαδώσετε την τεχνολογία. Στόχος τους είναι η ανάπτυξη τεχνολογίας ανοιχτού κώδικα στη διεπαφή της συλλογής δεδομένων, της ανίχνευσης και της μηχανικής μάθησης και η εφαρμογή της στη γεωργική έρευνα. Αυτό δεν έχει γίνει ποτέ πριν.

Κοιτάζοντας μπροστά στα αποτελέσματα; Πείτε μας στο chat μας στο Telegram.