智东西(公众号:zhidxcom)
编 | 王颖

导语：MIT和德克萨斯州大学共同研究机器学习发展“网络农业”的可行性，模型可以自主改进培育方案，通过改变种植变量输出最佳结果。

智东西4月4日消息，MIT研究人员使用机器学习培育植物，实现农业自动化。机器学习优化种植是通过改变变量预测最佳输出结果，理解植物与环境的相互作用，提高植物产量，改善口感和风味。

麻省理工学院媒体实验室和德克萨斯州大学奥斯汀分校进行这项研究的目的并不是改善酱汁的味道，而是为了了解如何改进植物培育和农业自动化。

该研究发表在《公共科学图书馆 · 综合》（PLOS ONE）杂志上。研究人员提出的重点问题是，如何找到可以长期执行的方法，使罗勒具有更强的风味。

必须将种子放在窗台上并定期浇水来种植罗勒的日子已经一去不复返了。如今，机器学习优化的水培“网络农业”已经可以培育出更具风味的优质植物，这种种植方式将带来更浓郁的蒜香酱。

机器学习优化种植任务需要改变众多变量，例如：土壤类型、植物特性、浇水频率、体积和光照等。这些变量将会改变植物产生香味分子的浓度。通过变量进行优化种植，是机器学习模型的自然选择，机器学习模型可以从各种输入中预测哪个变量会产生最佳输出。

麻省理工学院的Caleb Harper在一次新闻发布会上说：“我们真正感兴趣的是构建网络化工具，这些工具可以利用植物的经验、表型、遭遇的压力集合以及基因，并将其数字化，使我们能够理解植物与环境之间的相互作用。”通过了解这些相互作用，就越能更好地设计植物的培育周期，也可以提高产量、改善风味。

该团队研发的机器学习模型，可以通过分析和更改植物经历光照的类型和持续时间增加其风味浓度。

在第一轮实验的九株植物中，研究人员根据罗勒的生长习性，人工设计了光照培育法。这些植物都被被收获并进行分析，研究人员根据分析结果使用一个简单的模型来制定改进方案。然后，根据这些数据创建第三个更复杂的模型，改进后的模型可以提供更好的优化变量的能力。

令研究人员惊讶的是，该模型推荐了一种非常极端的措施：24/7，即保持植物一周内每天24小时的紫外线照射。

罗勒的野外生长方式，不可能满足每天24小时的光照周期。北极和南极虽然有这样的光照条件，但并不能生长香草和香料。

实验过程遵循了对植物进行长时间的紫外线照射的设计。实验结果是：气味分子的大量增加，是进行对照实验植物中发现气味分子量的两倍。这种长时间的光照实验必须在人为的环境中才能进行。

研究团队对实验结果十分满意，除了罗勒的风味更加浓郁外，他们重点关注的是机器学习培育植物的方法产生了良好的数据，验证了他们使用的平台和软件。

论文链接：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0213918

原文来自：TechCrunch