讓蔬菜更好吃這次真的是運用了高科技

1、    讓蔬菜更好吃，這次真的是運用了高科技    試驗中所有九層塔的生長環(huán)境，包括光照，都受到了嚴格的控制機器學習可以有什么樣的實際應用？最先進入腦海的答案，無外乎語音識別、人臉識別、機器翻譯、自動駕駛，以及個性化推薦這些熱門領域。但你或許不知道，它還能讓蔬菜變得更好吃。近日，麻省理工學院研究團隊聯(lián)合 cognizant 公司，嘗試了一系列香料九層塔（羅勒）的種植實驗。他們沒有采用轉基因技術，僅用普通的九層塔種子，通過機器學習算法控制生長環(huán)境，使其時刻處于最利于生長的狀態(tài)，調(diào)節(jié)參數(shù)包括光照時間、紫外線照射時間和有效光照輻射（par）等。最終發(fā)現(xiàn)，24

2、小時光照竟然是最適宜九層塔生長的環(huán)境因素之一，培育出的成品味道遠超普通九層塔。未來，研究團隊計劃用類似的方法提高植物產(chǎn)量，甚至是提高它們體內(nèi)特定物質(zhì)的含量，幫助對抗一些疾病?！笆澄镉嬎銠C”“生物計算機”產(chǎn)出的九層塔評判標準結合機器學習和植物種植，并非心血來潮。麻省理工學院早在2015年，就提出了openagriculture（開放農(nóng)業(yè)）倡議，致力于將人工智能技術應用在農(nóng)業(yè)領域，同時秉承開源精神，將研究成果以軟硬件結合的形式共享給所有人，提高全球農(nóng)業(yè)技術的整體水平。之所以選擇九層塔，是因為它是一種西方料理中常見的香料，被譽為“香料之王”。由于可以散發(fā)出濃郁的香氣，它在西餐中的地位相當于我國美食里

3、面的香菜。甚至在三杯雞、燒茄子等中式菜肴中也會有它的身影。研究人員正是利用這種特點，通過氣相色譜-質(zhì)譜聯(lián)用法（gc-ms）分析它的香氣濃度，進而評估它的味道，參考成分多達十余種?？偟膩碚f，九層塔香氣越濃，味道越好，而且還會含有更豐富營養(yǎng)素和抗氧化物質(zhì)，更有營養(yǎng)?？刂谱兞吭凇熬艑铀銡鈨?yōu)化”實驗中，研究人員使用了無土水培技術，將所有九層塔裝在適合運輸?shù)娜萜髦?，再放入由電腦控制的培育室里。他們將整套設備稱為“食物計算機”，可以精準控制環(huán)境變量。在保持溫度和濕度等參數(shù)恒定的前提下，研究團隊選擇了三種變量：光照時長，紫外線時長和光合有效輻射（par）時長。光照時長很好理解，它與綠葉植物的生長效率密不可

4、分，決定了儲存香氣揮發(fā)物的毛狀體的形成，變量值在024小時之間。紫外線的作用則在于增加香氣揮發(fā)物的含量，進而用來檢驗實驗成果，變量值也在024小時之間。而光合有效輻射比較特殊，它代表著可以用來進行光合作用的光照，由燈的種類決定。比如兩株植物各配有一臺經(jīng)過特殊設計的燈，即使照射時長相同，發(fā)出的有效輻射也有差異，最終進行的光合作用也有不同。這一變量最難控制和改變，因為它對硬件需求較高，而且需要特殊的優(yōu)化算法才能找到最佳配置。三種變量組合而成的結果圖，好吃程度由高到低分別是：紅色> 黃色> 綠色> 藍色設計優(yōu)化模型面對三個變量衍生出的數(shù)百萬種排列組合，如何找到效果最好的一種？研究人

5、員將目光投向了機器學習。他們選擇了符號回歸（symbolic regression）方法，其優(yōu)點在于不依賴于現(xiàn)有知識，可以有效利用進化方法，為非線性系統(tǒng)建立預測和優(yōu)化模型。該方法還比其他回歸模型更易于解釋，研究人員更容易找出變量之間的關系，為未來的實驗開發(fā)新模型。優(yōu)化過程中，除了上述三個變量，符號回歸模型還會考慮溫度、濕度和香氣揮發(fā)物濃度等信息，將它們作為輸入值，評估優(yōu)化方法。研究人員強調(diào)，盡管符號回歸在多次迭代后無法保證收斂，但實驗當中的預測只需一次迭代，無需保證收斂。種植實驗種植實驗進行了三輪，每一輪包括9盤同時生長的九層塔，其中每輪會有3盤一直使用控制參數(shù)，來作為衡量標準。第一輪的環(huán)境參

6、數(shù)由人工決定，主要目的是調(diào)查紫外線的效果和燈的選擇。第二輪參數(shù)由無監(jiān)督算法選擇，加入了光照變量和提高了參數(shù)多樣性。在分析了前兩輪的生長數(shù)據(jù)后，第三輪參數(shù)由符號回歸模型給出。具體來說，該模型一共評估了200萬種組合方案，研究人員從中挑選了18種效果最好的，應用于種植實驗中。最終結果顯示，九層塔在24小時光照的情況下，生長狀態(tài)最好，釋放的香氣也最濃郁。這一結果十分出人意料，因為大自然中極少出現(xiàn)24小時日照的情況，只有在極地地區(qū)才會發(fā)生，但那里又不適合植物生長。在此之前，以自然種植測試為主的農(nóng)業(yè)領域，幾乎沒有可能發(fā)現(xiàn)這種看似“反直覺”的特征，即使人們知道24小時光照會讓特定植物生長旺盛，但并不知道這還會影響到它們的味道。除了味道以外，研究人員正在嘗試更多種機器學習和農(nóng)業(yè)的結合方式。比如探索