La “ciberagricultura” de MIT optimiza los sabores de albahaca

Los días en los que simplemente podría cultivar una planta de albahaca a partir de una semilla colocándola en el alféizar de su ventana y regándola regularmente, ya no tiene sentido que la “ciberagricultura” hidropónica con aprendizaje automático haya producido una planta superior con sabores más robustos . El futuro del pesto está aquí.

Sin embargo, esta investigación no surgió del deseo de mejorar las salsas. Es un estudio del Media Lab del MIT y de la Universidad de Texas en Austin, cuyo objetivo es comprender cómo mejorar y automatizar la agricultura.

En el estudio, publicado hoy en PLoS One, la pregunta que se planteaba era si un entorno en crecimiento podía encontrar y ejecutar una estrategia en crecimiento que resultara en una meta determinada, en este caso, la albahaca con sabores más fuertes.

Tal tarea es una con numerosas variables para modificar (tipo de suelo, características de la planta, frecuencia y volumen de riego, iluminación, etc.) y un resultado medible: la concentración de moléculas productoras de sabor. Eso significa que es un ajuste natural para un modelo de aprendizaje automático, que a partir de esa variedad de entradas puede hacer una predicción de cuál será la mejor salida.

“Estamos realmente interesados ​​en crear herramientas en red que puedan tomar la experiencia de una planta, su fenotipo, el conjunto de tensiones que encuentra y su genética, y digitalizar para permitirnos entender la interacción planta-ambiente”, explicó Caleb Harper de MIT en un comunicado de prensa. Cuanto mejor entienda esas interacciones, mejor podrá diseñar el ciclo de vida de la planta, tal vez aumentando el rendimiento, mejorando el sabor o reduciendo el desperdicio.

En este caso, el equipo limitó el modelo de aprendizaje automático para analizar y cambiar el tipo y la duración de la luz experimentada por las plantas, con el objetivo de aumentar la concentración del sabor.

Una primera ronda de nueve plantas tuvo regímenes de luz diseñados a mano basándose en el conocimiento previo de lo que generalmente le gusta a la albahaca. Las plantas fueron cosechadas y analizadas. Luego se usó un modelo simple para hacer regímenes similares pero ligeramente modificados que tuvieron en cuenta los resultados de la primera ronda. Luego, se creó un tercer modelo más sofisticado a partir de los datos y se le otorgó un margen de maniobra significativamente mayor en su capacidad para recomendar cambios en el entorno.

Para sorpresa de los investigadores, el modelo recomendaba una medida extremadamente extrema: mantener las luces UV de la planta encendidas 24/7.

Naturalmente, no es así como crece la albahaca en la naturaleza, ya que, como usted sabe, hay pocos lugares donde el sol brilla todo el día y toda la noche fuerte Y los ecosistemas árticos y antárticos, aunque fascinantes, no son conocidos por sus sabrosas hierbas y especias.

Sin embargo, se siguió la “receta” de mantener las luces encendidas (después de todo, era un experimento), e increíblemente, esto produjo un aumento masivo en las moléculas de sabor, duplicando la cantidad encontrada en las plantas de control.

“No podrías haberlo descubierto de otra manera”, dijo el coautor John de la Parra. “A menos que estés en la Antártida, no hay un fotoperíodo de 24 horas para probar en el mundo real. Tenías que tener circunstancias artificiales para descubrir eso “.

Pero si bien una albahaca más sabrosa es un resultado bienvenido, no es realmente el punto. El equipo está más contento de que el método haya dado buenos datos al validar la plataforma y el software que utilizaron.

“Puede ver este documento como el primer plano para muchas cosas diferentes que se pueden aplicar, y es una exhibición del poder de las herramientas que hemos construido hasta ahora”, dijo De la Parra. “Con sistemas como el nuestro, podemos aumentar enormemente la cantidad de conocimiento que se puede obtener mucho más rápidamente”.

Si vamos a alimentar al mundo, no se hará con ondas de grano de color ámbar, es decir, con métodos de cultivo tradicionales. Vertical, hidropónico, optimizado para computadoras: necesitaremos todos estos avances y más para llevar la producción de alimentos al siglo XXI.