KI gibt der Forschung zur Verbesserung von Nutzpflanzen Auftrieb

Welche Rolle spielt künstliche Intelligenz bei der Pflanzenverbesserung? Fragen zur Künstlichen Intelligenz werden in allen Disziplinen immer drängender. Laut Jianming Yu, einem der weltweit führenden Wissenschaftler auf dem Gebiet der quantitativen Genetik und Pflanzenzüchtung, bietet KI für die Verbesserung von Nutzpflanzen eine neue Linse, um Wissenschaft und Praxis zu verbinden.

„Die Leute haben viele Fragen dazu, wie man KI aktiv bei der Pflanzenverbesserung einsetzen kann. Es ist jedoch nicht einfach zu wissen, wie ihre Werkzeuge am besten genutzt werden können“, sagte Yu, Pioneer Distinguished Chair in Maize Breeding und Direktor des Raymond F. Baker Center for Plant Breeding im Department of Agronomy der Iowa State University. „Es gibt viele konkrete Beispiele für den konstruktiven Einsatz dieser Tools, aber im großen Maßstab ist es noch nicht wirklich passiert.“

Es ist für Yu zu einer Mission geworden, seinen Kommilitonen, Studenten und der Öffentlichkeit zu mehr Wissen über das sich schnell entwickelnde Gebiet der KI zu verhelfen. Zu diesem Zweck haben er und andere Co-Autoren, darunter Karlene Negus, eine Genetik-Doktorandin, die mit ihm zusammenarbeitet, einen Überblick über die Rolle künstlicher Intelligenz bei der Pflanzenverbesserung in a veröffentlicht wissenschaftliche Zusammenstellung In Fortschritte in der Agronomie.

„Viele Wissenschaftler, selbst diejenigen mit einschlägigem Hintergrund, wissen nicht immer, wo sie anfangen sollen“, sagte Yu. „Wir haben Rückmeldungen erhalten, dass das neue Papier sehr aktuell und hilfreich ist.“

Kürzlich hat das College of Agriculture and Life Sciences der Iowa State University Yu und Negus gebeten, die Höhepunkte ihrer neuen Veröffentlichung zu besprechen und über die Verwendung und Auswirkungen von KI-Tools in ihrem Bereich nachzudenken.

Yu: Eine Sache, die wir in diesem Artikel tun, ist, kurz den historischen Kontext der KI zu skizzieren. Es entwickelt sich seit den 1940er Jahren weiter und der sogenannte dritte KI-Sommer ist im Gange. Deep-Learning-Systeme haben die frühen Jahre dieser Ära geprägt.

Zur Verbesserung der Nutzpflanzen wird vor allem KI eingesetzt, um die Verarbeitung und Auswertung sehr großer Datensätze mit hohem Durchsatz zu unterstützen. Große Datenmengen sind zu einer neuen Herausforderung in der Agrarforschung und vielen anderen Bereichen der Wissenschaft geworden, und KI-Tools bieten bereits vielfältige Lösungen.

Negus: Der Bereich der KI hat sich in den letzten Jahren rasant verändert. Es kann schwierig sein zu wissen, welche Methoden für bestimmte Anwendungen relevant sind. Um diesen Lernprozess für Bereiche im Zusammenhang mit der Verbesserung von Nutzpflanzen zu optimieren, beschreiben wir mehr als 15 Arten und Subtypen von KI und geben Einblicke in deren Einsatz in diesen Bereichen. Diese Methoden erheben keinen Anspruch auf Vollständigkeit, aber ich denke, dass dies eine gute Einführung in das gibt, was es heute gibt, und in die Bausteine ​​von Werkzeugen, deren Entwicklung wir in naher Zukunft erwarten können.

Während es sich bei der heutigen KI, die den Nachrichten wert ist, meist um hochentwickelte neuronale Netze handelt, reichen andere Beispiele für KI von vergleichsweise einfacher robotergestützter Prozessautomatisierung, die einen KI-„Agenten“ verwendet, der in der Lage ist, sich wiederholende Prozesse durchzuführen, die über genügend Variabilität verfügen, um den Einsatz von Standardprozessautomatisierung zu verhindern , über relativ komplexe Experten- und Fuzzy-Systeme, die versuchen, die Problemlösungsfähigkeiten menschlicher Experten zu reproduzieren, bis hin zu anderen Arten hochentwickelten maschinellen Lernens.

Maschinelles Lernen (ML) ist eine Art von KI, die große Datenmengen nutzt, um sich durch Erfahrung oder Lernen zu verbessern, und die Ergebnisse dann nutzt, um Probleme zu lösen oder Vorhersagen zu treffen. ML wird im Bereich der Pflanzenverbesserung in großem Umfang in die Praxis umgesetzt. ML-Methoden, die genomische, enviromische, phänomische und andere multiomische Ansätze nutzen, helfen Forschern, Umwelt- und genetische Variationen zu erfassen, um deren Einflüsse auf die Pflanzenzüchtung und -bewirtschaftung besser zu verstehen.

Yu: Zusammengenommen revolutionieren diese Anwendungen schnell die landwirtschaftlichen Praktiken im Labor, im Gewächshaus und auf dem Feld.

Für Forscher im Bereich der Pflanzenverbesserung, die KI-Methoden übernehmen möchten, ist es wünschenswert, die potenziellen Vorteile von KI-Methoden gegenüber herkömmlichen Methoden zu kennen. Für Züchter bietet die verbesserte Fähigkeit zur Überwachung und Prognose von Pflanzenwachstum und -gesundheit unter verschiedenen genetischen, umweltbedingten und bewirtschaftungstechnischen Kombinationen das Potenzial, Entscheidungen über die Pflanzenauswahl erheblich zu erleichtern. Für Produzenten wird es wünschenswert sein, KI zu nutzen, um Nachhaltigkeit und Widerstandsfähigkeit durch ein verbessertes Produktionsmanagement auf dem Bauernhof zu verbessern.

Mithalten zu können, ist eine Herausforderung, mit der alle, die sich mit der Pflanzenverbesserung befassen, vertraut sind. Im letzten Jahrhundert bestand diese Herausforderung darin, mit der Nachfrage einer wachsenden Weltbevölkerung Schritt zu halten, und dies ist auch weiterhin die größte Sorge. Nun erschwert der Klimawandel die Aufgabe zusätzlich. KI hat großes Potenzial, bei diesen Herausforderungen zu helfen, aber wir haben noch viel zu tun, um dieses Potenzial voll auszuschöpfen, und wir müssen die Ausbildung und Fähigkeiten in diesen Bereichen rasch verbessern.

Dennoch ist die Zukunft der KI-gestützten Pflanzenverbesserung rosig, wenn man von den bisherigen Erfolgen beim Einsatz innovativer Technologien zur Pflanzenverbesserung ausgeht.