Штучний інтелект зробив базилік смачніше

Машинне навчання використовували для створення дужесмачних кісткової базиліка - ви напевно знаєте цю рослину з незвичайним смаком, головний інгредієнт соусу песто. Хоча ми, на жаль, не можемо передати смак цієї трави, залишається лише повірити вченим на слово. Однак ці результати відображають ширшу тенденцію, яка включає використання наукового підходу в даних і машинного навчання для поліпшення сільського господарства. Що робить базилік таким смачним? У деяких випадках - штучний інтелект.

Машинне навчання робить продукти краще

Вчені, які виростили оптимізованийбазилік, використовували машинне навчання для визначення умов вирощування, які дозволили б максимізувати концентрацію летких з'єднань, що відповідають за смак базиліка. Дослідження було опубліковане у журналі PLOS One.

Базилік вирощували на гідропонних фермах вмодифікованих транспортних контейнерах в Мідлтоні, штат Массачусетс. Температура, світло, вологість і інші фактори навколишнього середовища всередині контейнерів можуть контролюватися автоматично. Вчені перевірили смак рослин шляхом пошуку певних з'єднань за допомогою газової хроматографії і мас-спектрометрії. І використовували отримані дані в алгоритмах машинного навчання, розроблених Массачусетським технологічним інститутом і компанією Cognizant.

Що дивно, дослідження показало, щовплив світла на рослини протягом 24 годин на добу дає найкращий смак. Тепер вчені планують досліджувати, як технологія може поліпшити здатність рослин боротися з хворобами, а також і те, як різна флора реагує на наслідки зміни клімату.

«Ми дійсно зацікавлені в створеннімережевих інструментів, які можуть враховувати досвід рослини, його фенотип, набір стресів в навколишньому середовищі і його генетику, і оцифрування перш за все, щоб можна було зрозуміти взаємодію рослини і навколишнього середовища », говорить Калеб Харпер, керівник групи OpenAg при Media Lab MIT. Його лабораторія працювала з колегами з Техаського університету в Остіні.

Ідея використання машинного навчання дляоптимізації врожайності і властивостей рослин швидко набирає обертів в сільському господарстві. У минулому році Університет Вагенінген в Нідерландах організував конкурс «Автономна оранжерея», в якому різні команди змагалися в розробці алгоритмів, що збільшують врожайність огірка при мінімізації необхідних ресурсів. Вони працювали з теплицями, в яких комп'ютерні системи контролюють різні чинники.

Подібна технологія вже застосовується в деякихкомерційних фермах, говорить Навин Сінгла, який очолює групу вчених в області даних, яка займається врожайністю в Bayer, німецької багатонаціональної компанії, яка в минулому році придбала Monsanto. «Смак - це одна з областей, де ми інтенсивно використовуємо машинне навчання», говорить він. І додає, що машинне навчання є потужним інструментом для вирощування в теплицях, проте менш корисно для відкритих полів. У «польових умовах» вчені все ще шукають способи скоротити розрив.

Харпер додав, що в майбутньому його група будерозглядати генетичну структуру рослин (як раз те, що Bayer вводить в свої алгоритми) і спробує поширити технологію. Їх мета - розробити технологію з відкритим вихідним кодом на стику збору даних, зондування і машинного навчання, і застосувати її до сільськогосподарських досліджень. Такого раніше ніхто не робив.

Чекаємо результатів? Розкажіть в нашому чаті в Телеграма.