Recherche

L'intelligence artificielle a rendu le basilic plus savoureux

L'apprentissage machine utilisé pour créer un trèsdélicieux basilic - vous connaissez probablement cette plante au goût inhabituel, l’ingrédient principal de la sauce pesto. Bien que, malheureusement, nous ne puissions pas donner le goût de cette plante, il ne reste que les scientifiques à prendre la parole. Cependant, ces résultats reflètent une tendance plus large qui inclut l’utilisation d’une approche scientifique en données et l’apprentissage automatique pour améliorer l’agriculture. Qu'est-ce qui rend le basilic si savoureux? Dans certains cas - intelligence artificielle.

L'apprentissage automatique rend les produits meilleurs

Des scientifiques qui ont grandi optimiséle basilic a utilisé un apprentissage automatique pour déterminer les conditions de croissance qui maximiseraient la concentration de composés volatils responsables du goût du basilic. Une étude publiée dans la revue PLOS One.

Basilic a été cultivé dans des fermes hydroponiques dansconteneurs d’expédition modifiés à Middleton, Massachusetts. La température, la lumière, l'humidité et d'autres facteurs environnementaux à l'intérieur des conteneurs peuvent être contrôlés automatiquement. Les scientifiques ont testé le goût des plantes en recherchant certains composés à l'aide de la chromatographie en phase gazeuse et de la spectrométrie de masse. Et ils ont utilisé les données dans des algorithmes d'apprentissage automatique développés par le Massachusetts Institute of Technology et Cognizant.

Ce qui est étrange, l'étude a montré quel'exposition à la lumière sur les plantes pendant 24 heures par jour donne le meilleur goût. Les scientifiques envisagent maintenant de voir comment la technologie peut améliorer la capacité des plantes à lutter contre les maladies, ainsi que la réaction de différentes flores aux effets du changement climatique.

«Nous sommes vraiment intéressés à créerDes outils réseau pouvant prendre en compte l'expérience de la plante, son phénotype, un ensemble de contraintes environnementales et génétiques, ainsi que la numérisation de tout cela, pour que vous puissiez comprendre l'interaction de la plante et de l'environnement », a déclaré Caleb Harper, responsable de l'équipe OpenAg chez Media Lab MIT. Son laboratoire a travaillé avec des collègues de l'Université du Texas à Austin.

L’idée d’utiliser la machine learning pourL’optimisation des rendements et des propriétés des plantes gagne rapidement du terrain en agriculture. L’année dernière, l’Université de Wageningen (Pays-Bas) a organisé le concours «Autonomous Greenhouse» dans lequel différentes équipes se sont affrontées pour développer des algorithmes permettant d’accroître le rendement en concombre tout en minimisant les ressources nécessaires. Ils travaillaient avec des serres dans lesquelles des systèmes informatiques contrôlaient divers facteurs.

Une technologie similaire a déjà été appliquée dans certainsNawin Single, qui dirige un groupe de chercheurs en données travaillant sur les rendements chez Bayer, une multinationale allemande qui a acquis Monsanto l’année dernière. «Le goût est l’un des domaines dans lesquels nous utilisons intensivement l’apprentissage automatique», dit-il. Et il ajoute que l'apprentissage par la machine est un outil puissant pour la culture en serre, mais moins utile pour les champs ouverts. Sur le terrain, les scientifiques cherchent toujours des moyens de réduire l'écart.

Harper a ajouté qu'à l'avenir son groupeExaminez la structure génétique des plantes (exactement ce que Bayer introduit dans leurs algorithmes) et essayez de diffuser la technologie. Leur objectif est de développer une technologie open source à l’interface de la collecte de données, de la détection et de l’apprentissage automatique, et de l’appliquer à la recherche agricole. Cela n'a jamais été fait auparavant.

Dans l'attente des résultats? Dites-nous dans notre conversation dans Telegram.