211service.com
Maskinlæring gør pesto endnu mere lækker
Melanie Gonick
Hvad gør basilikum så godt? I nogle tilfælde er det AI.
Maskinlæring er blevet brugt til at skabe basilikumplanter, der er ekstra lækre. Selvom vi desværre ikke kan rapportere førstehånds om urtens smag, afspejler indsatsen en bredere tendens, der involverer brug af datavidenskab og maskinlæring til at forbedre landbruget.
Forskerne bag den AI-optimerede basilikum brugte maskinlæring til at bestemme de vækstbetingelser, der ville maksimere koncentrationen af de flygtige forbindelser, der er ansvarlige for basilikums smag. Undersøgelsen fremgår af tidsskrift PLOS One i dag.
Basilikumen blev dyrket i hydroponiske enheder i modificerede forsendelsescontainere i Middleton, Massachusetts. Temperatur, lys, luftfugtighed og andre miljøfaktorer inde i beholderne kunne kontrolleres automatisk. Forskerne testede planternes smag ved at lede efter bestemte forbindelser ved hjælp af gaskromatografi og massespektrometri. Og de indførte de resulterende data i maskinlæringsalgoritmer udviklet på MIT og et firma kaldet Cognizant.
Forskningen viste, kontraintuitivt, at udsættelse af planter for lys 24 timer i døgnet gav den bedste smag. Forskergruppen planlægger at undersøge, hvordan teknologien kan forbedre planters sygdomsbekæmpelsesevne, samt hvordan forskellige floraer kan reagere på virkningerne af klimaændringer.
Vi er virkelig interesserede i at bygge netværksværktøjer, der kan tage en plantes erfaring, dens fænotype, det sæt af belastninger, den støder på, og dens genetik, og digitalisere det for at give os mulighed for at forstå plante-miljø-interaktionen, sagde Caleb Harper , leder af MIT Media Lab's OpenAg gruppe , i en pressemeddelelse. Hans laboratorium arbejdede sammen med kolleger fra University of Texas i Austin på papiret.
Ideen om at bruge maskinlæring til at optimere planteudbytte og egenskaber tager hurtigt fart i landbruget. Sidste år arrangerede Wageningen University i Holland en Autonomt drivhus konkurrence, hvor forskellige hold konkurrerede om at udvikle algoritmer, der øgede udbyttet af agurkplanter og samtidig minimere de nødvendige ressourcer. De arbejdede med drivhuse, hvor en række forskellige faktorer styres af computersystemer.
Lignende teknologi bliver allerede brugt i nogle kommercielle gårde, siger Naveen Singla, der leder et datavidenskabsteam med fokus på afgrøder hos Bayer, en tysk multinational, der købte Monsanto sidste år. Smag er et af de områder, hvor vi i høj grad bruger maskinlæring - for at forstå smagen af forskellige grøntsager, siger han.
Singla tilføjer, at maskinlæring er et kraftfuldt værktøj til drivhusdyrkning, men mindre nyttigt til åbne marker. Disse kontrollerede miljøer er, hvor man kan gøre meget ud af at optimere ved at forstå de komplekse variabler, siger han. I de åbne miljøer er det stadig et spørgsmål, hvordan vi kan lukke hullet.
Harper tilføjede, at hans gruppe i fremtiden vil overveje den genetiske sammensætning af planter (noget, som Bayer tilfører sine algoritmer), og at de vil se efter at frigive teknologien til enhver. Vores mål er at designe open source-teknologi i skæringspunktet mellem dataindsamling, sansning og maskinlæring og anvende det til landbrugsforskning på en måde, som ikke er blevet gjort før, sagde han.