Gépi tanulással az intenzívebb ízű bazsalikomért

A Massachusettsi Műszaki Egyetem (MIT) és a Texasi Egyetem kutatói olyan automatizált növénytermesztő döntéshozó rendszert dolgoztak ki, amely a kért eredménynek megfelelően választja ki a nevelt növény tartási körülményeit. A most közölt tanulmányban bemutatott esetben például az volt a cél, hogy intenzívebb legyen a bazsalikom íze. A gépi tanuláson alapuló algoritmus ennek megfelelően jelölte meg azt a talajtípust, öntözési frekvenciát, megvilágítást és így tovább, amiről azt gondolta, hogy a legnagyobb valószínűséggel maximálják az ízt okozó vegyületek koncentrációját.

Olyan hálózatba kapcsolt eszközöket szerettünk volna építeni, amelyek feldolgozzák a növény fenotípusát (a gének által kialakított jellegzetességeit), a stressztényezőket, amelyek rá nehezednek, illetve a genetikai hátterét, és ezáltal jobban megérthetjük a növény és a környezete közötti interakciót. Minél jobban értjük e kölcsönhatást, annál jobban tudjuk tervezni a növény életciklusát, növelni a termésátlagot, fejleszteni az ízt, és csökkenteni a hulladékot

- magyarázza Caleb Harper, az MIT munkatársa. A most közölt kísérletben nem adtak ilyen komplex feladatot az algoritmusnak, mindössze a megvilágítással kellett játszania. A szoftver határozta meg, hogy mikor, milyen intenzitással, illetve milyen színű fénnyel legyen megvilágítva a bazsalikom ahhoz, hogy intenzívebbé váljon az íze. És ő is kapcsolgatta a lámpát, tehát a megvilágítás teljesen automatizálttá vált.

Az algoritmus tanításához először a kutatók határozták meg a megvilágítási stratégiát a korábbi tapasztalataik alapján. A learatott levelekben ezután meghatározták az ízanyagok koncentrációját. A következő lépésben egy modell segítségével e megvilágítási stratégiát módosították többféle módon, és megint csak mérték a vegyületek koncentrációját. A tapasztalatok alapján az algoritmus a harmadik fázisban már nagy szabadságot kapott egy alternatív stratégia kidolgozásához.

Azért volt ez meglepő, mert normális esetben a bazsalikom sehol sem nő szakadatlan megvilágítás mellett, így nem is alkalmazkodhatott ehhez a körülményhez. Viszont az ötlet bejött, és a folyamatosan megvilágított bazsalikomban a duplájára nőtt az ízanyagok koncentrációja.

Persze a hosszú távú cél nem a jobb minőségű pesto kikísérletezése, hanem a növénynemesítés, illetve az új típusú agrotechnikai eljárások kifejlesztésében hasznosítható adatok sokkal hatékonyabb feldolgozása. A rendszer segítségével elvileg kevesebb próba adatainak elemzésével rögtön az ideális kombinációt lehet meghatározni, nem kell ehhez a megszokott, az ideális állapothoz lépésről-lépésre közelítő körülményekkel kísérletezni.

Forrás: Techcrunch