211service.com
Mašininis mokymasis daro pesto dar skanesnį
Melanie Gonick
Kuo bazilikas toks geras? Kai kuriais atvejais tai yra AI.
Mašininis mokymasis buvo naudojamas kuriant ypač skanius bazilikų augalus. Nors, deja, negalime tiesiogiai pranešti apie žolelių skonį, pastangos atspindi platesnę tendenciją, apimančią duomenų mokslo ir mašinų mokymosi naudojimą siekiant pagerinti žemės ūkį.
AI optimizuoto baziliko tyrėjai naudojo mašininį mokymąsi, kad nustatytų augimo sąlygas, kurios padidintų lakiųjų junginių, atsakingų už baziliko skonį, koncentraciją. Tyrimas rodomas žurnalas PLOS One šiandien.
Bazilikas buvo auginamas hidroponiniuose įrenginiuose modifikuotuose konteineriuose Middleton mieste, Masačusetso valstijoje. Temperatūra, šviesa, drėgmė ir kiti aplinkos veiksniai konteineriuose gali būti valdomi automatiškai. Tyrėjai išbandė augalų skonį, ieškodami tam tikrų junginių, naudodami dujų chromatografiją ir masės spektrometriją. Ir jie pateikė gautus duomenis į mašininio mokymosi algoritmus, sukurtus MIT ir įmonėje Cognizant.
Tyrimas priešingai parodė, kad 24 valandas per parą veikiant šviesai augalai sukuria geriausią skonį. Mokslininkų grupė planuoja ištirti, kaip ši technologija galėtų pagerinti augalų kovos su ligomis gebėjimus ir kaip skirtinga flora gali reaguoti į klimato kaitos poveikį.
Mums tikrai įdomu sukurti tinklinius įrankius, kurie galėtų panaudoti augalo patirtį, jo fenotipą, streso, su kuriuo jis susiduria, rinkinį ir genetiką, ir skaitmeninti tai, kad galėtume suprasti augalų ir aplinkos sąveiką. Kalebas Harperis , MIT Media Lab's vadovas OpenAg grupė , pranešime spaudai. Jo laboratorija dirbo su kolegomis iš Teksaso universiteto Ostine.
Idėja panaudoti mašininį mokymąsi siekiant optimizuoti augalų derlių ir savybes žemės ūkyje sparčiai plinta. Praėjusiais metais Vageningeno universitetas Nyderlanduose organizavo an Autonominis šiltnamis konkursas, kuriame skirtingos komandos varžėsi kurdamos algoritmus, kurie padidino agurkų augalų derlių ir sumažino reikalingus išteklius. Jie dirbo su šiltnamiais, kuriuose kompiuterinėmis sistemomis valdomi įvairūs veiksniai.
Panaši technologija jau taikoma kai kuriuose komerciniuose ūkiuose, sako Naveenas Singla, vadovaujantis duomenų mokslo komandai, kuri daugiausia dėmesio skiria pasėliams Vokietijos tarptautinėje įmonėje „Bayer“, kuri pernai įsigijo „Monsanto“. Skonis yra viena iš sričių, kurioje mes intensyviai naudojame mašininį mokymąsi, kad suprastume skirtingų daržovių skonį.
Singla priduria, kad mašininis mokymasis yra galingas šiltnamio efektą sukeliančių augalų auginimo įrankis, tačiau mažiau naudingas atviriems laukams. Jis sako, kad šios kontroliuojamos aplinkos yra vieta, kur galite daug optimizuoti suprasdami sudėtingus kintamuosius. Atviroje aplinkoje vis dar kyla klausimas, kaip galime sumažinti spragą.
Harperis pridūrė, kad ateityje jo grupė svarstys genetinę augalų sudėtį (tai, ką „Bayer“ įtraukia į savo algoritmus), ir sieks, kad ši technologija būtų prieinama bet kam. Mūsų tikslas yra sukurti atvirojo kodo technologiją duomenų gavimo, jutimo ir mašininio mokymosi sankirtoje ir pritaikyti ją žemės ūkio tyrimams taip, kaip anksčiau nebuvo, sakė jis.