211service.com
Machine learning maakt pesto nog lekkerder
Melanie Gonick
Wat maakt basilicum zo lekker? In sommige gevallen is het AI.
Machine learning is gebruikt om basilicumplanten te maken die extra lekker zijn. Hoewel we helaas niet uit de eerste hand kunnen rapporteren over de smaak van het kruid, weerspiegelt de inspanning een bredere trend waarbij datawetenschap en machine learning worden gebruikt om de landbouw te verbeteren.
De onderzoekers achter de voor AI geoptimaliseerde basilicum gebruikten machinaal leren om de groeiomstandigheden te bepalen die de concentratie van de vluchtige verbindingen die verantwoordelijk zijn voor de smaak van basilicum zouden maximaliseren. De studie verschijnt in de tijdschrift PLOS One vandaag.
De basilicum werd gekweekt in hydrocultuureenheden in aangepaste zeecontainers in Middleton, Massachusetts. Temperatuur, licht, vochtigheid en andere omgevingsfactoren in de containers kunnen automatisch worden geregeld. De onderzoekers testten de smaak van de planten door met gaschromatografie en massaspectrometrie naar bepaalde verbindingen te zoeken. En ze voerden de resulterende gegevens in algoritmen voor machine learning die zijn ontwikkeld aan het MIT en een bedrijf genaamd Cognizant.
Het onderzoek toonde, contra-intuïtief, aan dat het 24 uur per dag blootstellen van planten aan licht de beste smaak opleverde. De onderzoeksgroep is van plan te onderzoeken hoe de technologie de ziektebestrijdende capaciteiten van planten kan verbeteren en hoe verschillende flora kan reageren op de effecten van klimaatverandering.
We zijn echt geïnteresseerd in het bouwen van genetwerkte tools die de ervaring van een plant, het fenotype, de reeks stress die het tegenkomt en zijn genetica kunnen nemen en dat digitaliseren om ons in staat te stellen de interactie tussen plant en omgeving te begrijpen, zei Caleb Harper , hoofd van het MIT Media Lab's OpenAg-groep , in een persbericht. Zijn lab werkte samen met collega's van de Universiteit van Texas in Austin aan het papier.
Het idee om machine learning te gebruiken om de opbrengst en eigenschappen van planten te optimaliseren, neemt snel een vlucht in de landbouw. Vorig jaar organiseerde Wageningen Universiteit in Nederland een Autonome Kas wedstrijd, waarin verschillende teams streden om algoritmen te ontwikkelen die de opbrengst van komkommerplanten verhoogden en tegelijkertijd de benodigde middelen minimaliseerden. Ze werkten met kassen waar allerlei factoren worden aangestuurd door computersystemen.
Soortgelijke technologie wordt al toegepast in sommige commerciële boerderijen, zegt Naveen Singla, die leiding geeft aan een data science-team gericht op gewassen bij Bayer, een Duitse multinational die vorig jaar Monsanto overnam. Smaak is een van de gebieden waar we veel gebruik maken van machine learning - om de smaak van verschillende groenten te begrijpen, zegt hij.
Singla voegt eraan toe dat machine learning een krachtig hulpmiddel is voor de glastuinbouw, maar minder nuttig voor open velden. In deze gecontroleerde omgevingen kun je veel optimaliseren door de complexe variabelen te begrijpen, zegt hij. In de open omgevingen is het nog de vraag hoe we de kloof kunnen dichten.
Harper voegde eraan toe dat zijn groep in de toekomst de genetische samenstelling van planten zal overwegen (iets dat Bayer in zijn algoritmen invoert), en dat ze zullen proberen de technologie voor iedereen vrij te geven. Ons doel is om open source-technologie te ontwerpen op het snijvlak van data-acquisitie, detectie en machine learning, en deze toe te passen op landbouwonderzoek op een manier die nog niet eerder is gedaan, zei hij.