Kunstig intelligens gjorde basilikum smakere

Maskininnlæring pleide å skape en veldigdeilige basilbusker - du kjenner nok denne planten med en uvanlig smak, den viktigste ingrediensen til pesto saus. Selv om vi dessverre ikke kan formidle smaken av denne urten, er det bare for forskere å ta ordet. Disse resultatene reflekterer imidlertid en bredere trend som inkluderer bruk av en vitenskapelig tilnærming i data- og maskinlæring for å forbedre landbruket. Hva gjør basilikum så velsmakende? I noen tilfeller - kunstig intelligens.

Maskininnlæring gjør produktene bedre

Forskere som har vokst optimertbasilikum brukte maskinlæring for å bestemme vekstforhold som ville maksimere konsentrasjonen av flyktige forbindelser ansvarlig for smaken av basilikum. En studie publisert i tidsskriftet PLOS One.

Basil ble dyrket på hydroponic gårder iendrede fraktbeholdere i Middleton, Massachusetts. Temperatur, lys, fuktighet og andre miljøfaktorer inne i beholderne kan styres automatisk. Forskere testet smaken av planter ved å lete etter bestemte forbindelser ved hjelp av gasskromatografi og massespektrometri. Og de brukte dataene i maskinlæringsalgoritmer utviklet av Massachusetts Institute of Technology og Cognizant.

Hva er rart, studien viste detEksponering for lys på planter i 24 timer i døgnet gir den beste smaken. Nå planlegger forskere å undersøke hvordan teknologien kan forbedre planters evne til å bekjempe sykdommer, samt hvordan ulike flora reagerer på virkningen av klimaendringer.

"Vi er veldig interessert i å skapenettverksverktøy som kan ta hensyn til plantens erfaring, dens fenotype, et sett av stress i miljøet og dens genetikk og digitalisering av alt dette, slik at du kan forstå samspillet mellom anlegget og miljøet, sier Caleb Harper, leder av OpenAg-teamet på Media Lab MIT. Hans lab jobbet med kollegaer ved University of Texas i Austin.

Ideen om å bruke maskinlæring forOptimalisering av avkastnings- og anleggsegenskaper øker raskt i landbruket. I fjor organiserte Wageningen-universitetet i Nederland "Autonomous Greenhouse" -konkurransen der ulike lag konkurrerte om å utvikle algoritmer som øker utbyttet av agurk samtidig som de nødvendige ressursene reduseres. De jobbet med drivhuse der datasystemer kontrollerer ulike faktorer.

Lignende teknologi har allerede blitt brukt i noenkommersielle gårder, sier Nawin Single, som leder en gruppe dataforskere som produserer hos Bayer, et tysk multinasjonalt selskap som kjøpte Monsanto i fjor. "Smak er et av de områdene hvor vi intensivt bruker maskinlæring," sier han. Og han legger til at maskinlæring er et kraftig verktøy for vekst i drivhus, men mindre nyttig for åpne felt. I "feltforhold," forskere er fortsatt ute etter måter å begrense gapet.

Harper la til at i fremtiden vil hans gruppevurdere plantens genetiske struktur (akkurat som Bayer introduserer i sine algoritmer) og forsøke å spre teknologien. Målet er å utvikle åpen kildekode teknologi ved grensesnittet for datainnsamling, sensing og maskinlæring, og bruk den til landbruksforskning. Dette har aldri blitt gjort før.

Ser frem til resultatene? Fortell oss i vår chat i Telegram.