機器學習可以揭示最佳的生長條件，以便盡可能的展現(xiàn)口感和其他特征。

使植物味道好的原因是什么？對于麻省理工學院媒體實驗室的科學家來說，這需要植物學、人工智能算法和一些老式的化學知識的結(jié)合。

利用以上這些知識，媒體實驗室開放農(nóng)業(yè)項目的研究人員報告說，他們已經(jīng)在不涉及基因編譯的情況下種植出了你從未吃過的美味羅勒（一種西餐調(diào)味植物）。研究人員使用計算機算法來確定最佳的生長條件，以最大限度地提高被稱為揮發(fā)性化合物的風味分子的濃度。

但這僅僅是“網(wǎng)絡(luò)農(nóng)業(yè)”新領(lǐng)域的開始，麻省理工學院媒體實驗室的首席研究科學家、開放農(nóng)業(yè)集團的董事卡萊布·哈珀說。他的小組目前正在致力于提高草藥治療人類疾病的特性，他們還希望通過研究作物在不同條件下的生長方式，幫助種植者適應(yīng)變化的氣候。

哈珀說：“我們的目標是在數(shù)據(jù)采集、傳感和機器學習的交叉領(lǐng)域設(shè)計開源技術(shù)，并以一種前所未有的方式將其應(yīng)用到農(nóng)業(yè)研究中。”“我們真的對構(gòu)建網(wǎng)絡(luò)化工具很感興趣，這些工具可以利用植物的生長過程信息、表型生物特征、所遇到的外界環(huán)境刺激及其遺傳學特性，并數(shù)字化，使我們能夠理解植物與環(huán)境的相互作用�！�

研究人員在4月3日出版的《公共科學圖書館》期刊中，描述了對羅勒植物的研究新發(fā)現(xiàn)，讓他們吃驚的是，每天24小時將植物暴露在光照下能產(chǎn)生最好的味道。開放農(nóng)業(yè)集團的研究負責人、該研究的作者約翰?德拉帕拉說，傳統(tǒng)的農(nóng)業(yè)技術(shù)永遠不會產(chǎn)生這種見解。

“你不可能以任何其他方式發(fā)現(xiàn)這一點。除非你在南極洲，否則沒有一個24小時的光周期可以在現(xiàn)實世界中進行測試，”他說�！澳惚仨氂腥藶榈沫h(huán)境才能發(fā)現(xiàn)這一點�！�

本文的高級作者是哈珀和奧斯汀德克，以及薩斯大學計算機科學教授里斯托·米庫萊恩。媒體實驗室的主任研究員阿里爾·約翰遜和認知技術(shù)解決方案的艾略特·梅爾森是主要作者，開放農(nóng)業(yè)項目的特別項目助理蒂莫西·薩瓦斯也是作者之一。

最大化風味

在麻省理工學院貝茨實驗室的一個倉庫中，開放農(nóng)業(yè)集團的工廠是在經(jīng)過改裝的船運集裝箱中種植的，因此可以小心地控制環(huán)境條件，包括光照、溫度和濕度。

哈珀說，這種農(nóng)業(yè)有很多名字——環(huán)境控制農(nóng)業(yè)、垂直農(nóng)業(yè)、城市農(nóng)業(yè)——仍然是一個利基市場，但發(fā)展迅速。在日本，這樣的“植物工廠”每周生產(chǎn)數(shù)十萬棵生菜。然而，也有許多失敗的案例，而且在致力于開發(fā)這類設(shè)施的公司之間很少有信息共享。

麻省理工學院倡議的一個目標是通過讓所有的開放農(nóng)業(yè)集團硬件、軟件和數(shù)據(jù)自由共用，來克服這種信息隔絕。

哈珀說：“目前農(nóng)業(yè)領(lǐng)域存在一個大問題，即缺乏公開數(shù)據(jù)、缺乏數(shù)據(jù)收集標準以及缺乏數(shù)據(jù)共享。”“因此，盡管機器學習、人工智能和先進的算法技術(shù)進展如此之快，但收集質(zhì)量良好、有意義的農(nóng)業(yè)數(shù)據(jù)卻遠遠落后。我們的工具是開放源代碼的，希望它們能夠更快地傳播，并創(chuàng)造共享科研的能力�！�