ຄອມພິວເຕີສາມາດ "ລົດຊາດ" ຫມາກເລັ່ນຫຼື blueberry ໄດ້? ດີ, ບໍ່ແມ່ນແທ້, ແຕ່ມັນສາມາດບອກນັກວິທະຍາສາດໄດ້ວ່າຄວາມລະເຫີຍໃນຫມາກໄມ້ເຫຼົ່ານີ້ເຮັດໃຫ້ພວກມັນມີລົດຊາດດີ, ນັກຄົ້ນຄວ້າມະຫາວິທະຍາໄລ Florida ກ່າວ.
ມະຫາວິທະຍາໄລ Florida Institute of Food and Agricultural Sciences (UF/IFAS) ນັກປັບປຸງພັນ ແລະນັກພັນທຸກໍາ Marcio Resende ຕ້ອງການສ້າງສິ່ງທີ່ລາວເອີ້ນວ່າ "Artificial Intelligence Connoisseur," ຮູບແບບທີ່ບອກນັກຄົ້ນຄວ້າວ່າທາດປະສົມເຄມີ - ນັ້ນຄືການລະເຫີຍ, ນໍ້າຕານ, ອາຊິດແລະທາດປະສົມເຄມີອື່ນໆ - ຜະລິດລົດຊາດຫມາກໄມ້ທີ່ດີທີ່ສຸດ.
ເພື່ອຊອກຫາວ່າ ໝາກ ໄມ້ ຫຼື ຜັກຊະນິດໃດຄຸ້ມຄ່າໃນການປັບປຸງພັນ, ນັກວິທະຍາສາດເອົາຕົວຢ່າງການປູກພືດເພື່ອໃຫ້ມີລົດຊາດ ແລະ ມີກິ່ນຫອມ, ຜ່ານທົ່ງນາ ແລະ ເກັບເອົາຜົນຜະລິດແຕ່ລະຊະນິດ.
ຂະບວນການເຫຼົ່ານີ້ສາມາດນໍາສະເຫນີບັນຫາການຂົນສົ່ງ, ທ່ານ Harry Klee, ອາຈານວິທະຍາສາດພືດສວນ UF / IFAS ແລະເປັນຜູ້ຂຽນຮ່ວມຂອງ A. ການສຶກສາໃຫມ່ ທີ່ເບິ່ງວິທີການແບບຈໍາລອງຄອມພິວເຕີສາມາດນໍາໃຊ້ຕົວປ່ຽນແປງເພື່ອວັດແທກລົດຊາດຂອງຫມາກໄມ້.
ທ່ານ Klee ກ່າວວ່າ "ເນື່ອງຈາກຂໍ້ ຈຳ ກັດດ້ານຄ່າໃຊ້ຈ່າຍແລະການຂົນສົ່ງ, ນັກປັບປຸງພັນບໍ່ມັກໃຊ້ກະດານຜູ້ບໍລິໂພກໃນໂຄງການຂອງພວກເຂົາ," Klee ເວົ້າ. "ທີ່ເຫມາະສົມແມ່ນຈະໃຊ້ກະດານຜູ້ບໍລິໂພກຂະຫນາດໃຫຍ່ທີ່ປະກອບມີຊຸດຜູ້ບໍລິໂພກທີ່ມີທ່າແຮງທີ່ຫລາກຫລາຍ. ພວກເຮົາໃຊ້ 100 ຄົນ, ກວມເອົາອາຍຸແລະຊົນເຜົ່າ. ວິທີການນີ້ແມ່ນເປັນຕົວແທນຂອງປະຊາກອນຂອງຜູ້ຊື້ຫຼາຍກວ່າ.”
ເປັນເວລາຫຼາຍປີແລ້ວ, ນັກປັບປຸງພັນພືດ ແລະນັກພັນທຸກໍາໄດ້ຊ່ວຍໃຫ້ຊາວກະສິກອນເກັບກ່ຽວຜົນຜະລິດທີ່ສູງຂຶ້ນ ເນື່ອງຈາກວ່າລັກສະນະການບໍລິໂພກເຊັ່ນ: ລົດຊາດແມ່ນຍາກທີ່ຈະວັດແທກໄດ້. ເຖິງຢ່າງໃດກໍ່ຕາມ, ຜົນຜະລິດທີ່ສູງແມ່ນບໍ່ພຽງພໍສໍາລັບຜູ້ຜະລິດເພື່ອແຂ່ງຂັນໃນຕະຫຼາດທີ່ຕ້ອງການໃນປະຈຸບັນ, ທ່ານ Patricio Muñoz, ອາຈານສອນວິທະຍາສາດພືດສວນ UF/IFAS ຮັບຜິດຊອບໂຄງການປັບປຸງພັນ blueberry ກ່າວ.
ຜູ້ຜະລິດຮູ້ວ່າຖ້າພວກເຂົາບໍ່ລວມເອົາແນວພັນທີ່ມີລົດຊາດດີ, ໝາກ ໄມ້ຂອງພວກເຂົາອາດຈະບໍ່ຂາຍໃນລາຄາທີ່ດີຫຼືຂາຍເລີຍ, ທ່ານ Muñoz ກ່າວ. ດ້ວຍວິທີການເຫຼົ່ານີ້, ນັກວິທະຍາສາດຫວັງວ່າຈະຊ່ວຍໃຫ້ຜູ້ຜະລິດສາມາດແຂ່ງຂັນໄດ້ແລະຜູ້ບໍລິໂພກມີປະສົບການທີ່ດີກວ່າກັບຜະລິດຕະພັນຂອງພວກເຂົາ.
ການນໍາໃຊ້ຕົວແບບເຫຼົ່ານີ້, ໂຄງການປັບປຸງພັນສາມາດປະເມີນລະດັບລົດຊາດສໍາລັບແນວພັນຫມາກໄມ້ແລະຜັກຫຼາຍຊະນິດ. ຂະບວນການນີ້ໄດ້ຖືກຈໍາກັດໃນເມື່ອກ່ອນໂດຍຄວາມຈິງທີ່ວ່າທັງນັກວິທະຍາສາດຫຼືຄະນະຜູ້ບໍລິໂພກສາມາດທົດສອບແນວພັນຈໍານວນຫຼາຍໃນເວລາດຽວກັນ.
Resende ໄດ້ນໍາພາການຄົ້ນຄວ້າໃຫມ່ທີ່ສະແດງໃຫ້ເຫັນວິທີການເອົາຂໍ້ມູນຈາກການລະເຫີຍໃນ blueberries ແລະຫມາກເລັ່ນເຂົ້າໄປໃນຕົວແບບສະຖິຕິ. ການຄົ້ນພົບການຄົ້ນຄວ້າໃນປັດຈຸບັນໄດ້ຖືກຈໍາກັດພຽງແຕ່ສອງຫມາກໄມ້ເຫຼົ່ານັ້ນແຕ່ຕໍ່ມາຈະຖືກຂະຫຍາຍໄປສູ່ການປູກພືດອື່ນໆທີ່ນັກຄົ້ນຄວ້າ UF / IFAS ພັດທະນາ.
ເພື່ອດໍາເນີນການສຶກສາໃຫມ່ຂອງພວກເຂົາ, ນັກຄົ້ນຄວ້າ UF / IFAS ໄດ້ນໍາໃຊ້ຂໍ້ມູນໂຄງການການປັບປຸງພັນຫມາກເລັ່ນແລະ blueberry ຈາກທົດສະວັດທີ່ຜ່ານມາ.
ເຂົາເຈົ້າໄດ້ມອບແນວພັນໝາກເລັ່ນ ແລະ ບລູເບີຣີ ຫຼາກຫຼາຍຊະນິດໃຫ້ກັບໝູ່ຄະນະທີ່ບໍລິໂພກ UF Sensory Lab ໃນ Gainesville. ຫຼັງຈາກນັ້ນ, ນັກວິທະຍາສາດໄດ້ເກັບກໍາການຈັດອັນດັບກ່ຽວກັບຄຸນລັກສະນະຂອງລົດຊາດເຊັ່ນ "ຄວາມມັກ", ຄວາມຫວານ, ຄວາມສົ້ມ, ຄວາມເຂັ້ມຂົ້ນຂອງລົດຊາດແລະ umami.
ນັກຄົ້ນຄວ້າ UF/IFAS ໄດ້ທົດສອບລະດັບຄະແນນທີ່ບອກເຂົາເຈົ້າວ່າຜູ້ບໍລິໂພກມັກລົດຊາດຫຼາຍປານໃດ. ຍ້ອນວ່າມັນຫັນອອກ, ການເຫນັງຕີງໄດ້ອະທິບາຍເຖິງ 56% ຂອງຄະແນນ "ມັກ", ເຊິ່ງເຮັດໃຫ້ຫຼັກຖານທີ່ວ່າການລະເຫີຍແມ່ນມີຄວາມສໍາຄັນໃນການກໍານົດວ່າຜູ້ບໍລິໂພກມັກຫມາກໄມ້ຫຼາຍປານໃດ. Resende ເວົ້າອີກວ່າ, ການລະເຫີຍແມ່ນມີຄວາມ ສຳ ຄັນໃນການຄິດໄລ່ແລະປະເມີນຄວາມ ສຳ ຄັນຂອງລົດຊາດ ໝາກ ໄມ້.
ຍິ່ງໄປກວ່ານັ້ນ, ນັກຄົ້ນຄວ້າໄດ້ສະແດງໃຫ້ເຫັນວ່າວິທີການຮຽນຮູ້ເຄື່ອງຈັກໂດຍທົ່ວໄປແມ່ນຜູ້ຄາດຄະເນທີ່ດີທີ່ສຸດຂອງຄວາມມັກຂອງລົດຊາດຂອງຜູ້ບໍລິໂພກ, ເອີ້ນວ່າການຄັດເລືອກ metabolomic. ຄວາມຖືກຕ້ອງຂອງການຄັດເລືອກ metabolic ແມ່ນດີກວ່າແບບຈໍາລອງທີ່ໃຊ້ຂໍ້ມູນ genomic ແທນ, ຊີ້ໃຫ້ເຫັນທ່າແຮງຂອງວິທີການໃຫມ່ນີ້ໃນການນໍາໃຊ້ການປັບປຸງພັນ.
ທ່ານ Resende, ຜູ້ຊ່ວຍອາຈານສອນວິຊາວິທະຍາສາດພືດສວນຂອງ UF/IFAS ກ່າວວ່າ "ຂ້າພະເຈົ້າຄິດວ່າຈຸດຕົ້ນຕໍແມ່ນນັກປັບປຸງພັນສາມາດກວດສອບຕົວຢ່າງໄດ້ຫຼາຍກວ່າເກົ່າ." "ວິທີນີ້, ທ່ານມີຊ່ອງທາງທີ່ກວ້າງກວ່າເພື່ອກໍານົດແນວພັນທີ່ມີລົດຊາດດີ, ແລະໃນຈຸດຫນຶ່ງ, ແຜງທົດສອບລົດຊາດເຮັດໃຫ້ການຄັດເລືອກສຸດທ້າຍດ້ວຍຂໍ້ມູນ sensory. ພວກເຮົາຄາດວ່າບັນດາຮູບແບບເຫຼົ່ານີ້ຈະສາມາດນຳໃຊ້ປຸງແຕ່ງປຸງແຕ່ງກ່ອນໜ້ານີ້ເປັນເປົ້າໝາຍການຜະລິດ ແລະ ຊຸກຍູ້ການເລືອກເຟັ້ນ ແລະ ປ່ອຍແນວພັນໝາກໄມ້ທີ່ມີລົດຊາດຫຼາຍຂຶ້ນ.”
ນອກເຫນືອໄປຈາກ Resende, ລວມທັງຄະນະວິຊາ UF / IFAS ອື່ນໆທີ່ສືບສວນວິທີການແບບຈໍາລອງຄອມພິວເຕີຂອງການທົດສອບລົດຊາດແມ່ນ Klee, Muñoz ແລະ Denise Tieman, ອາຈານຜູ້ຊ່ວຍຄົ້ນຄ້ວາ - ທັງສາມໃນພະແນກວິທະຍາສາດພືດສວນ; Charlie Sims, ອາຈານສອນວິຊາວິທະຍາສາດອາຫານ ແລະໂພຊະນາການຂອງມະນຸດ ແລະທ່ານ Nikolay Bliznyuk, ຮອງສາດສະດາຈານດ້ານວິສະວະກຳກະສິກຳ ແລະຊີວະວິທະຍາ. ວຽກງານດັ່ງກ່າວຍັງໄດ້ຮັບການປະພັນຄັ້ງທໍາອິດໂດຍປະລິນຍາເອກ. ນັກສຶກສາ Vincent Colantonio ແລະຜູ້ຊ່ວຍການຄົ້ນຄວ້າວິທະຍາສາດ Luís Felipe Ferrão.
ກົດຂ້າງລຸ່ມນີ້ສໍາລັບວິດີໂອທີ່ Resende ອະທິບາຍການຄົ້ນຄວ້າ AI ໃຫມ່ນີ້.
- Brad Buck, ມະຫາວິທະຍາໄລ Florida