211service.com
Uczenie maszynowe sprawia, że pesto jest jeszcze smaczniejsze
Melanie Gonicka
Co sprawia, że bazylia jest tak dobra? W niektórych przypadkach jest to sztuczna inteligencja.
Uczenie maszynowe zostało wykorzystane do stworzenia wyjątkowo pysznych roślin bazylii. Chociaż niestety nie możemy z pierwszej ręki opowiedzieć o smaku zioła, wysiłek odzwierciedla szerszy trend, który obejmuje wykorzystanie nauki danych i uczenia maszynowego w celu poprawy rolnictwa.
Naukowcy tworzący bazylię zoptymalizowaną pod kątem sztucznej inteligencji wykorzystali uczenie maszynowe do określenia warunków wzrostu, które maksymalizują stężenie lotnych związków odpowiedzialnych za smak bazylii. Badanie pojawia się w czasopismo PLOS One Dziś.
Bazylia była uprawiana w jednostkach hydroponicznych w zmodyfikowanych kontenerach transportowych w Middleton w stanie Massachusetts. Temperatura, światło, wilgotność i inne czynniki środowiskowe wewnątrz pojemników mogą być kontrolowane automatycznie. Naukowcy przetestowali smak roślin, szukając określonych związków za pomocą chromatografii gazowej i spektrometrii masowej. I przekazali uzyskane dane do algorytmów uczenia maszynowego opracowanych w MIT i firmie Cognizant.
Badania wykazały, wbrew intuicji, że wystawianie roślin na światło 24 godziny na dobę generowało najlepszy smak. Grupa badawcza planuje zbadać, w jaki sposób technologia może poprawić zdolności roślin do zwalczania chorób, a także jak różna flora może reagować na skutki zmiany klimatu.
Jesteśmy naprawdę zainteresowani tworzeniem narzędzi sieciowych, które mogą wykorzystać doświadczenie rośliny, jej fenotyp, zestaw stresów, z jakimi się boryka, i jej genetykę oraz zdigitalizować je, aby umożliwić nam zrozumienie interakcji roślina-środowisko. Kaleb Harper , szef MIT Media Lab’s Grupa OpenAg w komunikacie prasowym. Jego laboratorium pracowało z kolegami z University of Texas w Austin nad artykułem.
Pomysł wykorzystania uczenia maszynowego do optymalizacji plonów i właściwości roślin szybko pojawia się w rolnictwie. W ubiegłym roku Uniwersytet Wageningen w Holandii zorganizował Autonomiczna szklarnia konkurs, w którym różne zespoły rywalizowały o opracowanie algorytmów zwiększających plony roślin ogórka przy minimalizacji wymaganych zasobów. Pracowali w szklarniach, w których różne czynniki są kontrolowane przez systemy komputerowe.
Podobna technologia jest już stosowana w niektórych komercyjnych gospodarstwach, mówi Naveen Singla, która kieruje zespołem zajmującym się analizą danych skupionym na uprawach w Bayer, niemieckiej międzynarodowej korporacji, która przejęła Monsanto w zeszłym roku. Smak to jeden z obszarów, w których intensywnie wykorzystujemy uczenie maszynowe — aby zrozumieć smak różnych warzyw, mówi.
Singla dodaje, że uczenie maszynowe to potężne narzędzie do uprawy szklarniowej, ale mniej przydatne w przypadku otwartych pól. W tych kontrolowanych środowiskach można dużo optymalizować, rozumiejąc złożone zmienne, mówi. W środowiskach otwartych wciąż pozostaje pytanie, jak zniwelować tę lukę.
Harper dodał, że w przyszłości jego grupa rozważy genetyczny skład roślin (coś, co Bayer wprowadza do swoich algorytmów) i będzie starać się udostępnić tę technologię każdemu. Naszym celem jest zaprojektowanie technologii open source na skrzyżowaniu pozyskiwania danych, wykrywania i uczenia maszynowego oraz zastosowanie jej w badaniach rolniczych w sposób, którego nie robiono wcześniej, powiedział.