|
Искусственный интеллект сделал базилик вкуснее
|
|
|
|
Машинное обучение использовали для создания очень вкусных кустиков базилика — вы наверняка знаете это растение с необычным вкусом, главный ингредиент соуса песто. Хотя мы, к сожалению, не можем передать вкус этой травы, остается лишь поверить ученым на слово. Однако эти результаты отражают более широкую тенденцию, которая включает использование научного подхода в данных и машинного обучения для улучшения сельского хозяйства. Что делает базилик таким вкусным? В некоторых случаях — искусственный интеллект.
Ученые, которые вырастили оптимизированный базилик, использовали машинное обучение для определения условий выращивания, которые позволили бы максимизировать концентрацию летучих соединений, отвечающих за вкус базилика. Исследование опубликовали в журнале PLOS One.
|
|
|
|
|
|
Базилик выращивали на гидропонных фермах в модифицированных транспортных контейнерах в Мидлтоне, штат Массачусетс. Температура, свет, влажность и другие факторы окружающей среды внутри контейнеров могут контролироваться автоматически. Ученые проверили вкус растений путем поиска определенных соединений с помощью газовой хроматографии и масс-спектрометрии. И использовали полученные данные в алгоритмах машинного обучения, разработанных Массачусетским технологическим институтом и компанией Cognizant.
|
|
|
Что странно, исследование показало, что воздействие света на растения в течение 24 часов в сутки дает наилучший вкус. Теперь ученые планируют исследовать, как технология может улучшить способность растений бороться с болезнями, а также и то, как различная флора реагирует на последствия изменения климата. «Мы действительно заинтересованы в создании сетевых инструментов, которые могут учитывать опыт растения, его фенотип, набор стрессов в окружающей среде и его генетику, и оцифровке этого всего, чтобы можно было понять взаимодействие растения и окружающей среды», говорит Калеб Харпер, руководитель группы OpenAg при Media Lab MIT. Его лаборатория работала с коллегами из Техасского университета в Остине.
|
|
|
|
Идея использования машинного обучения для оптимизации урожайности и свойств растений быстро набирает обороты в сельском хозяйстве. В прошлом году Университет Вагенингена в Нидерландах организовал конкурс «Автономная оранжерея», в котором различные команды соревновались в разработке алгоритмов, увеличивающих урожайность огурца при минимизации необходимых ресурсов. Они работали с теплицами, в которых компьютерные системы контролируют различные факторы.
|
|
|
|
Подобная технология уже применяется в некоторых коммерческих фермах, говорит Навин Сингла, возглавляющий группу ученых в области данных, которая занимается урожайностью в Bayer, немецкой многонациональной компании, которая в прошлом году приобрела Monsanto. «Вкус — это одна из областей, где мы интенсивно используем машинное обучение», говорит он. И добавляет, что машинное обучение является мощным инструментом для выращивания в теплицах, однако менее полезно для открытых полей. В «полевых условиях» ученые все еще ищут способы сократить разрыв.
|
|
|
|
Харпер добавил, что в будущем его группа будет рассматривать генетическую структуру растений (как раз то, что Bayer вводит в свои алгоритмы) и попытается распространить технологию. Их цель — разработать технологию с открытым исходным кодом на стыке сбора данных, зондирования и машинного обучения, и применить ее к сельскохозяйственным исследованиям. Такого раньше никто не делал.
|
|
|
|
Источник
|
