211service.com
Mašīnmācība padara pesto vēl garšīgāku
Melānija Gonika
Kas padara baziliku tik labu? Dažos gadījumos tas ir AI.
Mašīnmācība ir izmantota, lai izveidotu īpaši garšīgus bazilika augus. Lai gan mēs diemžēl nevaram no pirmavotiem ziņot par augu garšu, centieni atspoguļo plašāku tendenci, kas ietver datu zinātnes un mašīnmācības izmantošanu, lai uzlabotu lauksaimniecību.
AI optimizētā bazilika pētnieki izmantoja mašīnmācīšanos, lai noteiktu augšanas apstākļus, kas maksimāli palielinātu to gaistošo savienojumu koncentrāciju, kas ir atbildīgi par bazilika garšu. Pētījums parādās žurnāls PLOS One šodien.
Baziliks tika audzēts hidroponiskajās vienībās modificētos pārvadāšanas konteineros Midltonā, Masačūsetsā. Temperatūru, gaismu, mitrumu un citus vides faktorus konteineros var kontrolēt automātiski. Pētnieki pārbaudīja augu garšu, meklējot noteiktus savienojumus, izmantojot gāzu hromatogrāfiju un masas spektrometriju. Un viņi ievadīja iegūtos datus mašīnmācības algoritmos, kas izstrādāti MIT un uzņēmumā Cognizant.
Pētījums pretēji intuitīvi parādīja, ka augu pakļaušana gaismas iedarbībai 24 stundas diennaktī radīja vislabāko garšu. Pētniecības grupa plāno izpētīt, kā šī tehnoloģija varētu uzlabot augu slimības apkarošanas spējas, kā arī to, kā dažādas floras var reaģēt uz klimata pārmaiņu ietekmi.
Mēs patiešām esam ieinteresēti izveidot tīkla rīkus, kas var ņemt vērā auga pieredzi, tā fenotipu, spriedzes kopumu, ar ko tas saskaras, un tā ģenētiku, un digitalizēt to, lai ļautu mums izprast augu un vides mijiedarbību. Kalebs Hārpers MIT Media Lab's vadītājs OpenAg grupa , paziņojumā presei. Viņa laboratorija strādāja kopā ar kolēģiem no Teksasas Universitātes Ostinā.
Ideja izmantot mašīnmācīšanos, lai optimizētu augu ražu un īpašības, strauji attīstās lauksaimniecībā. Pagājušajā gadā Vāgeningenas universitāte Nīderlandē organizēja an Autonomā siltumnīca konkurss, kurā dažādas komandas sacentās, lai izstrādātu algoritmus, kas palielināja gurķu stādu ražu, vienlaikus samazinot nepieciešamos resursus. Viņi strādāja ar siltumnīcām, kur dažādus faktorus kontrolē datorsistēmas.
Līdzīga tehnoloģija jau tiek izmantota dažās komerciālās saimniecībās, saka Navēns Singla, kurš vada datu zinātnes komandu, kas koncentrējas uz kultūraugiem Vācijas daudznacionālajā uzņēmumā Bayer, kas pagājušajā gadā iegādājās Monsanto. Viņš saka, ka garša ir viena no jomām, kurā mēs ļoti izmantojam mašīnmācīšanos, lai izprastu dažādu dārzeņu garšu.
Singla piebilst, ka mašīnmācīšanās ir spēcīgs rīks audzēšanai siltumnīcās, bet mazāk noderīgs atklātos laukos. Viņš saka, ka šajās kontrolētajās vidēs varat veikt daudz optimizācijas, izprotot sarežģītos mainīgos. Atklātā vidē joprojām ir jautājums, kā mēs varam novērst plaisu.
Hārpers piebilda, ka nākotnē viņa grupa apsvērs augu ģenētisko uzbūvi (to, ko Bayer ievada savos algoritmos), un ka viņi mēģinās nodot šo tehnoloģiju ikvienam. Viņš teica, ka mūsu mērķis ir izstrādāt atvērtā pirmkoda tehnoloģiju datu iegūšanas, sensoru un mašīnmācīšanās krustpunktā un izmantot to lauksaimniecības pētniecībā tādā veidā, kā tas iepriekš nav darīts.