Ingenieurs van het Massachusetts Institute of Technology hebben een kunstmatig intelligente "voedselcomputer" ontwikkeld die automatisch omstandigheden optimaliseert, zoals vochtigheid en licht, om de gewenste kwaliteiten in planten te produceren. In tegenstelling tot andere vergelijkbare ontwikkelingen is het systeem open source en hebben ingenieurs instructies gepost over hoe ze het zelf kunnen samenstellen en configureren. Een gedetailleerde beschrijving en documentatie zijn beschikbaar op de website van MIT Media Lab, en Fast Company schrijft er ook over.
Om de efficiëntie van het kweken van planten te verhogen door de hiervoor benodigde ruimte te verkleinen, worden verschillende concepten ontwikkeld, zoals vertical farms en het telen in een gecontroleerde omgeving. In tegenstelling tot conventionele landbouw worden planten niet verlicht door zonlicht, maar door leds. Sommigen proberen ze aan te passen voor massale adoptie en zelfassemblage.
MIT-ingenieurs presenteerden in 2015 een prototype van hun systeem en noemden het OpenAg. Het prototype bestond uit een metalen container, waarin zich sensoren, leds, pompen voor de toevoer van water en meststoffen bevonden, en andere componenten die het mogelijk maakten om het klimaat in de container te veranderen. Ze presenteerden ook een meer massieve versie, geplaatst in een standaard vrachtcontainer, en bestaande uit verschillende cellen, waarin elk afzonderlijk voorwaarden werden gehandhaafd. Aanvankelijk analyseerden wetenschappers de gegevens onafhankelijk en selecteerden ze de beste, naar hun mening, voorwaarden.
Medio 2016 begon het onderzoeksteam samen te werken met een bedrijf op het gebied van kunstmatige intelligentie. Het doel van de samenwerking was om de selectie van de noodzakelijke voorwaarden te versnellen en te automatiseren. De onderzoekers kozen basilicum als modelplant. Het systeem analyseerde continu de conditie van de planten vanuit de parallelle cellen en paste de condities aan voor het telen van het volgende gewas.
Array van verschillende geïsoleerde cellen met verschillende omstandigheden / Open Agriculture Initiative, MIT Media Lab (openag.mit.edu | CC-BY-SA 4.0)
De onderzoekers konden het algoritme optimaliseren om de synthese van specifieke moleculen in de plant die verantwoordelijk zijn voor smaak, te vermenigvuldigen. In de toekomst zijn ze van plan het systeem te trainen om de omstandigheden te optimaliseren voor veel verschillende kenmerken, zoals smaak, grootte of kosten. De onderzoekers merken vooral op dat, in tegenstelling tot andere bekende ontwikkelingen op dit gebied, hun systeem volledig open is en beschikbaar is voor zelfbouw of modificatie.
