Keinotekoinen älykäs teki basilikaa maukasta

Koneen oppiminen, jota käytettiin hyvinherkullisia basilika-pensaita - tiedät todennäköisesti tämän kasvin, jolla on epätavallinen maku, pesto-kastikkeen pääaine. Vaikka valitettavasti emme voi välittää tämän yrtin makua, tiedemiehille jää vain sana. Nämä tulokset heijastavat kuitenkin laajempaa suuntausta, johon sisältyy tieteellisen lähestymistavan käyttö tieto- ja koneopetuksessa maatalouden parantamiseksi. Mikä tekee basilikasta niin maukasta? Joissakin tapauksissa - tekoäly.

Koneen oppiminen tekee tuotteista paremman

Optimoidut tutkijatbasilika käytti koneen oppimista sellaisten kasvuolosuhteiden määrittämiseksi, jotka maksimoivat basilikan mausta aiheuttavien haihtuvien yhdisteiden pitoisuuden. PLOS One -lehdessä julkaistu tutkimus.

Basilikaa viljeltiin vesiviljelytiloillamuutetut kuljetussäiliöt Middletonissa, Massachusettsissa. Lämpötilaa, valoa, kosteutta ja muita ympäristötekijöitä säiliöiden sisällä voidaan ohjata automaattisesti. Tutkijat testasivat kasvien makua etsimällä tiettyjä yhdisteitä käyttäen kaasukromatografiaa ja massaspektrometriaa. Ja he käyttivät Massachusettsin teknologiainstituutin ja Cognizantin kehittämiä koneen oppimisalgoritmien tietoja.

Mikä on outoa, tutkimus osoitti, ettäaltistuminen valolle kasveille 24 tuntia vuorokaudessa antaa parhaan maun. Nyt tiedemiehet aikovat tutkia, miten tekniikka voi parantaa kasvien kykyä taistella tauteja vastaan ​​ja miten eri kasvisto reagoi ilmastonmuutoksen vaikutuksiin.

”Olemme todella kiinnostuneita luomastaverkkotyökalut, joissa voidaan ottaa huomioon laitoksen kokemus, sen fenotyyppi, ympäristövaikutukset ja sen geneettisyys sekä kaiken tämän digitalisointi, jotta voit ymmärtää laitoksen ja ympäristön vuorovaikutuksen ”, sanoo Media Lab MIT: n OpenAg-tiimin johtaja Caleb Harper. Hänen laboratorionsa työskenteli Texasin yliopiston kollegojen kanssa Austinissa.

Ajatus koneen oppimisestatuotannon ja kasvien ominaisuuksien optimointi kasvaa nopeasti maataloudessa. Viime vuonna Alankomaiden Wageningenin yliopisto järjesti itsenäisen kasvihuonekilpailun, jossa eri joukkueet kilpailivat kehittämään algoritmeja, jotka lisäävät kurkkuainetta ja minimoivat tarvittavat resurssit. He työskentelivät kasvihuoneissa, joissa tietokonejärjestelmät ohjaavat erilaisia ​​tekijöitä.

Tätä tekniikkaa käytetään jo joissakinkaupalliset maatilat, sanoo Nawin Single, joka johtaa tietotieteilijöiden ryhmää, joka käsittelee tuottoa Bayerissa, joka on Saksan monikansallinen yritys, joka osti Monsanton viime vuonna. ”Maku on yksi niistä alueista, joissa käytämme intensiivisesti koneoppimista”, hän sanoo. Ja hän lisää, että koneen oppiminen on tehokas työkalu kasvihuoneissa, mutta vähemmän hyödyllinen avoimissa kentissä. ”Kenttäolosuhteissa” tutkijat etsivät edelleen keinoja kaventaa kuilua.

Harper lisäsi, että tulevaisuudessa hänen ryhmänsä tuleeharkita kasvien geneettistä rakennetta (juuri sitä, mitä Bayer esittelee niiden algoritmeihin) ja yritä levittää teknologiaa. Niiden tavoitteena on kehittää avoimen lähdekoodin teknologiaa tiedonkeruun, tunnistamisen ja koneen oppimisen rajapinnassa ja soveltaa sitä maatalouden tutkimukseen. Tätä ei ole koskaan tehty aikaisemmin.

Odotan tuloksia? Kerro meille keskusteluissamme.