机器学习可以揭示最佳的生长条件，以便尽可能的展现口感和其他特征。

使植物味道好的原因是什么？对于麻省理工学院媒体实验室的科学家来说，这需要植物学、人工智能算法和一些老式的化学知识的结合。

利用以上这些知识，媒体实验室开放农业项目的研究人员报告说，他们已经在不涉及基因编译的情况下种植出了你从未吃过的美味罗勒（一种西餐调味植物）。研究人员使用计算机算法来确定最佳的生长条件，以最大限度地提高被称为挥发性化合物的风味分子的浓度。

但这仅仅是“网络农业”新领域的开始，麻省理工学院媒体实验室的首席研究科学家、开放农业集团的董事卡莱布·哈珀说。他的小组目前正在致力于提高草药治疗人类疾病的特性，他们还希望通过研究作物在不同条件下的生长方式，帮助种植者适应变化的气候。

哈珀说：“我们的目标是在数据采集、传感和机器学习的交叉领域设计开源技术，并以一种前所未有的方式将其应用到农业研究中。”“我们真的对构建网络化工具很感兴趣，这些工具可以利用植物的生长过程信息、表型生物特征、所遇到的外界环境刺激及其遗传学特性，并数字化，使我们能够理解植物与环境的相互作用。”

研究人员在4月3日出版的《公共科学图书馆》期刊中，描述了对罗勒植物的研究新发现，让他们吃惊的是，每天24小时将植物暴露在光照下能产生最好的味道。开放农业集团的研究负责人、该研究的作者约翰?德拉帕拉说，传统的农业技术永远不会产生这种见解。

“你不可能以任何其他方式发现这一点。除非你在南极洲，否则没有一个24小时的光周期可以在现实世界中进行测试，”他说。“你必须有人为的环境才能发现这一点。”

本文的高级作者是哈珀和奥斯汀德克，以及萨斯大学计算机科学教授里斯托·米库莱恩。媒体实验室的主任研究员阿里尔·约翰逊和认知技术解决方案的艾略特·梅尔森是主要作者，开放农业项目的特别项目助理蒂莫西·萨瓦斯也是作者之一。

最大化风味

在麻省理工学院贝茨实验室的一个仓库中，开放农业集团的工厂是在经过改装的船运集装箱中种植的，因此可以小心地控制环境条件，包括光照、温度和湿度。

哈珀说，这种农业有很多名字——环境控制农业、垂直农业、城市农业——仍然是一个利基市场，但发展迅速。在日本，这样的“植物工厂”每周生产数十万棵生菜。然而，也有许多失败的案例，而且在致力于开发这类设施的公司之间很少有信息共享。

麻省理工学院倡议的一个目标是通过让所有的开放农业集团硬件、软件和数据自由共用，来克服这种信息隔绝。

哈珀说：“目前农业领域存在一个大问题，即缺乏公开数据、缺乏数据收集标准以及缺乏数据共享。”“因此，尽管机器学习、人工智能和先进的算法技术进展如此之快，但收集质量良好、有意义的农业数据却远远落后。我们的工具是开放源代码的，希望它们能够更快地传播，并创造共享科研的能力。”

在《公共科学图书馆》刊载的一项研究中，麻省理工学院的研究小组着手证明其方法的可行性，即在他们称之为“食品计算机”的水培环境中，在不同条件下种植植物。这种方法允许他们改变光照持续时间和紫外线照射持续时间。一旦植物长满了，研究人员就用传统的分析化学技术，如气相色谱法和质谱法，通过测量叶子中挥发性化合物的浓度来评估罗勒的味道。这些分子包括有价值的营养素和抗氧化剂，因此增强风味也对健康有益。

然后，所有来自植物实验的信息被输入到麻省理工学院认知团队开发的机器学习算法中。这些算法评估了数以百万计的光照和紫外线持续时间的可能组合，并生成了一组可以最大限度地增加味道的条件，包括24小时日光制度。

除了口味之外，研究人员现在正致力于开发含有更多化合物的罗勒植物，这些化合物有助于防治糖尿病等疾病。众所周知，罗勒和其他植物含有有助于控制血糖的化合物，在之前的研究中，德拉帕拉的实验已经表明，这些化合物可以通过不同的环境条件得到增强。

研究人员目前正在研究调整其他环境变量的影响，如温度、湿度和光的波长，以及添加植物激素或营养素的影响。在一项研究中，他们将植物暴露在壳聚糖（一种存在于昆虫壳中的聚合物）中，壳聚糖使植物产生不同的化合物来抵御昆虫的攻击。

他们也有兴趣使用他们的方法来增加药用植物的产量，如马达加斯加长春花，这是抗癌化合物长春新碱和长春花碱的唯一来源。

“你可以把这篇论文看作是许多可以应用的不同场景的开场白，它展示了我们迄今为止所构建的工具的强大功能，”德拉帕拉说。“这是我们现在可以在更大范围内做的事情的原型。”

东北大学网络科学教授Albert-László Barabási说，这种方法为并非每个人都能接受的作物基因改造提供了一种替代方法。

本文运用现代数字农业的思想，通过改变植物生长的环境条件，系统地改变我们所食用植物的化学成分。这表明，我们可以利用机器学习和良好的控制条件来找到最佳条件组合，也就是说，设计最大化味道和产量的条件，”未参与研究的Barabási说。

气候适应

研究人员说，网络农业的另一个重要应用是适应气候变化。虽然研究不同条件对作物的影响通常需要数年或数十年的时间，但在一个受控的农业环境中，许多试验可以在短时间内完成。

德拉帕拉说：“当你在田里种东西时，你必须依靠天气和其他因素来合作，你必须等待下一个生长季节的到来。”“有了我们这样的系统，我们可以更快地获得更多的知识量。”

开放农业集团（OpenAg）团队目前正在为糖果制造商费列罗（Ferrero）进行一项有关榛子树的研究，该公司的榛子树消费量约占世界榛子总消费量的25%。

作为他们培训任务的一部分，研究人员还开发了小型“个人食品计算机”，可以在受控条件下种植植物，并将数据发送回MIT团队。现在，美国的许多高中学生都在使用这些工具，这些工具由分布在65个国家的不同用户组成，他们可以通过在线论坛分享自己的想法和结果。

哈珀说：“对我们来说，每一个盒子都是我们非常感兴趣的数据点，但它也是一个实验平台，可以用新的方式教授环境科学、编程、化学和数学。”

该研究由Target公司、Lee Kum-Kee Health Products Group、Welspun、Sentient Technologies和Cognizant Technology Solutions资助。