شارك
الرئيسية
2 دقائق 
ما الذي يجعل من الريحان رائعاً لهذه الدرجة؟ في بعض الأحيان، إنه الذكاء الاصطناعي.
استُخدم الذكاء الاصطناعي لتعديل نباتات الريحان بحيث تصبح أكثر لذة. وعلى الرغم من أننا، وللأسف، لا نستطيع أن نختبر هذا المذاق عملياً، فإننا نعرف أن هذه الجهود تعكس توجهاً عاماً نحو استخدام علوم البيانات والتعلم الآلي لتحسين الزراعة.
قام الباحثون بتحسين مذاق الريحان عن طريق استخدام التعلم الآلي لتحديد ظروف النمو التي تزيد من تركيز المركبات المتطايرة المسؤولة عن مذاق الريحان. وقد نُشرت هذه الدراسة مؤخراً في مجلة journal PLOS One.
زُرع الريحان في وحدات زراعة مائية ضمن حاويات شحن معدلة في ميدلتون بماساتشوستس، وذلك بوجود تحكم آلي بالحرارة والإضاءة والرطوبة وغيرها من العوامل ضمن الحاويات. واختبر الباحثون مذاق النباتات بالبحث عن مركبات معينة باستخدام الاستشراب الغازي وقياس الطيف الكتلي، ومن ثم تلقيم النتائج لخوارزمية تعلم آلي تم تطويرها من قبل إم آي تي وشركة كوجنيزانت.
بيّن البحث، وبشكل مخالف للتوقعات، أن تعريض النباتات إلى الضوء 24 ساعة يومياً يولّد أفضل مذاق. ويخطط الباحثون لدراسة كيفية استخدام التكنولوجيا لتحسين قدرات النباتات على التصدي للأمراض، إضافة إلى دراسة استجابة النباتات المختلفة لآثار التغير المناخي.
يقول كيليب هاربر -مدير مجموعة أوبين إيه جي في مختبر الوسائط في إم آي تي- في بيان صحفي: "نرغب ببناء أدوات متصلة شبكياً، قادرة على قياس تغيرات حياة النبتة، ونمطها الظاهري (مجموعة السمات الظاهرية)، والظروف الصعبة التي تتعرض لها، وخصائصها الجينية، ورقمنة كل هذه العوامل حتى يتاح لنا فهم التفاعل ما بين النبتة والبيئة". وقد عمل مختبره بالتعاون مع زملاء من جامعة تكساس على ذلك البحث.
بدأت فكرة استخدام التعلم الآلي لتحسين إنتاجية وخصائص النباتات بالانتشار بسرعة في الزراعة. ففي السنة الماضية، نظمت جامعة واجينينجين في هولندا مسابقة "الدفيئة ذاتية التحكم"، حيث تنافست الفرق في تطوير خوارزميات تزيد من إنتاجية نباتات الخيار مع تقليل الموارد المطلوبة. وقد قاموا بتطبيق هذا العمل في دفيئات يتم التحكم فيها بعدد من العوامل باستخدام أنظمة حاسوبية.
يقود نافين سينجلا فريقاً مختصاً بعلوم البيانات في مجال المحاصيل في شركة باير، وهي شركة متعددة الجنسيات في ألمانيا، واستحوذت السنة الماضية على شركة مونسانتو. ويقول إنه بدأ تطبيق تكنولوجيات مشابهة في بعض المزارع التجارية: "تمثل النكهة إحدى المجالات التي نستخدم فيها التعلم الآلي بشكل مكثف، وذلك لفهم نكهات الخضار المختلفة".
يضيف سينجلا أن التعلم الآلي أداة ممتازة للزراعة في الدفيئات، ولكنها أقل فائدة في الحقول المكشوفة: "يمكنك بفهم العوامل المعقدة أن تجري الكثير من التحسينات ضمن البيئات المغلقة والخاضعة للتحكم، أما في البيئات المفتوحة، فما زال إنجاز هذا الأمر مسألة مطروحة للدراسة".
يضيف هاربر أن مجموعته ستقوم لاحقاً بأخذ التركيب الجيني للنباتات بعين الاعتبار (وهي إحدى العوامل التي تلقمها باير لخوارزمياتها)، وأنهم سيحاولون تقديم هذه التكنولوجيا للجميع: "نهدف إلى تصميم تكنولوجيا مفتوحة المصدر، تجمع ما بين تحصيل البيانات واستخدام الحساسات والتعلم الآلي، وتطبيقها على الأبحاث الزراعية بأسلوب غير مسبوق".