Машинное обучение подскажет, как сделать базилик вкуснее.
Как можно сделать растения вкуснее? Учёные из лаборатории Массачусетского технологического института (MIT) использовали для этого алгоритмы машинного обучения.
Исследователи из лаборатории OpenAg (Open Agriculture Initiative, Открытая сельскохозяйственная инициатива) создали базилик, являющийся с большой долей вероятности более вкусным, чем какой-либо, съеденный вами. Но это достигнуто не с помощью генетических модификаций. Исследователи использовали алгоритмы для определения оптимальных условий выращивания растений, целью которых была максимизация концентрации ароматических молекул, летучих соединений.
И это только начало нового направления исследований — «киберагрокультуры», по выражению Калеба Харпера (Caleb Harper), ведущего научного сотрудника и директора OpenAg. Его группа, изучая рост растений в разных условиях, работает над улучшением их свойств, связанных с сопротивляемостью болезням и адаптацией к меняющемуся климату.
«Наша цель — разработка технологии с открытым исходным кодом на основании сбора данных, телеметрии, машинного обучения, и впоследствии применение её в сельскохозяйственных исследованиях инновационными способами, — говорит Харпер. — Мы заинтересованы в создании инструментов, способных использовать опыт растения, его фенотип, воздействия среды, с которыми оно сталкивается, его генетику, а также в оцифровке этого всего для понимания взаимодействия растения с окружающей средой».
В исследовании, результаты которого были опубликованы в PLOS ONE, учёные обнаружили, к своему удивлению, что воздействие света на растения базилика 24 часа в сутки создаёт наилучший вкус. «Традиционные сельскохозяйственные техники никогда не привели бы к подобному выводу», — говорит Джон де ла Парра (John de la Parra), исследователь группы OpenAg.
Растения, расположенные в лаборатории OpenAg, выращиваются в морских контейнерах, переоборудованных таким образом, чтобы можно было тщательно контролировать условия окружающей среды, включая яркость света, температуру и влажность. ИИ рассчитывает лучшие условия для максимизации вкуса и других характеристик.
Такой вид сельского хозяйства называют по-разному: контролируемое экологическое сельское хозяйство, вертикальное сельское хозяйство, городское сельское хозяйство. Оно всё ещё остаётся нишевым рынком, но, как утверждает Харпер, быстро растёт. В Японии на одной из подобных «фабрик растений» еженедельно выращивают сотни тысяч кочанов салата-латука. Однако обмен информацией между подобными компаниями носит весьма ограниченный характер, что затрудняет разработку и обустройство подобных ферм.
Одна из целей инициативы Массачусетского технологического — преодоление такой «секретности» путём обеспечения открытого доступа к оборудованию, программному обеспечению и данным, полученным на проекте.
«В настоящее время, в области сельского хозяйства есть большая проблема, связанная с недостатком общедоступных данных, отсутствием стандарта сбора данных и обмена ими, — говорит Харпер. — Таким образом, пока машинное обучение и ИИ, а также создание продвинутых алгоритмов развиваются быстро, значимые данные из сельского хозяйства отстают. Наши инструменты, выложенные в открытый доступ, будут распространяться быстрее и поспособствуют созданию научных объединений сетевого типа».
В исследовании продемонстрирована осуществимость подхода, предполагающего выращивание растений в гидропонных контейнерах с различными условиями, авторы называют их «пищевыми компьютерами». Их настройка помогла варьировать продолжительность воздействия видимого света и ультрафиолета. Когда растения полностью выросли, исследователи оценивали вкус базилика, измеряя концентрацию летучих соединений, содержащихся в листьях, использовав для этого традиционные химические методы — газовую хроматографию и масс-спектрометрию. Летучие молекулы содержат ценные питательные вещества и антиоксиданты, поэтому улучшение вкусовых качеств может принести пользу и здоровью.
Вся информация, полученная в ходе экспериментов на установке, была впоследствии внесена в алгоритмы машинного обучения. Алгоритмы оценивали миллионы возможных комбинаций длительности обычного и ультрафиолетового освещения и выдавали наборы условий, которые бы максимально усиливали вкус.
Базилик, выращенный во всесторонне контролируемых условиях.
Исследователей интересует не только аромат, в настоящее время они работают над созданием базилика с более высоким содержанием соединений, способных помочь в борьбе, например, с диабетом. Базилик и некоторые другие растения содержат соединения, помогающие контролировать уровень сахара в крови, и в предыдущей работе де ла Парра показал, что свойства этих соединений могут быть усилены с помощью факторов окружающей среды.
В настоящее время исследователи изучают влияние изменения других переменных окружающей среды, температуры, влажности и цвета освещения, а также воздействие регуляторов роста растений и питательных веществ. В одном из исследований они подвергают растения воздействию хитозана, полимера, содержащегося в раковинах насекомых, и заставляющего растение производить различные химические соединения для защиты от насекомых.
Они также заинтересованы в использовании своих исследований для повышения урожайности лекарственных растений, таких как катарантус, природный источник таких противораковых соединений, как винкристин и винбластин.
«Мы рассматриваем нашу работу как исходную точку для множества различных применений, она также показывает, насколько мощный инструмент мы создали, — говорит де ла Парра. — Это прототип того, что мы можем сделать в большем масштабе».
«В статье используются современные идеи для цифрового сельского хозяйства, чтобы в корне изменить химический состав потребляемых нами растений путём изменения условий их выращивания. Это показывает, что мы можем использовать машинное обучение и контролировать ситуацию, чтобы найти наилучшее место и условия, в которых можно спланировать максимизацию вкуса и урожайности», — говорит Альберт-Ласло Барабаши (Albert-László Barabási) из Северо-Восточного университета (Northeastern University).
Ещё одним важным приложением для цифрового сельского хозяйства, по словам исследователей, является адаптация к изменению климата. Хотя обычно требуются годы или десятилетия для изучения, как условия будут влиять на сельскохозяйственные культуры, в контролируемых условиях эксперименты могут быть проведены за короткий промежуток времени.
«Когда вы выращиваете растения в поле, вам надо полагаться на погоду и другие факторы, а также ждать следующего вегетационного периода, — говорит де ла Парра. — Наша система поможет увеличить объём знаний намного быстрее».
В рамках образовательной миссии исследователи разработали небольшие «персональные пищевые компьютеры» — коробки, которые можно использовать для выращивания растений в контролируемых условиях и отправки данных обратно в лабораторию в Массачусетском технологическом институте. В настоящее время они уже используются учащимися средних школ США, а также в рамках сети обмена данными и результатами, объединяющей различных пользователей из 65 стран.
«Для нас каждая коробка — это точка сбора данных, в получении которых мы очень заинтересованы. Она же, по совместительству, платформа для экспериментального обучения экологическим наукам, программированию, химии и математике», — говорит Харпер.
Источник: