在麻省理工学院媒体实验室的一个透明箱子里，味似茴香的罗勒正在人工智能设计的微气候中不断成长，变成一个味道更美的罗勒。
在这个微型温室里，每个植物的生长周期能产生大约300万个数据点，然后机器学习技术驱动的人工智能会分析这些数据，进而创建出更新、更好的“气候配方”，最终可以让任何人都能在室内培养出最美味的食物。
气候，是户外农业种植最大的变数之一，热浪、风暴都影响着农作物的生长。因此研究人员预计，人工智能调控气候的温室，对于食物的种植意义重大。而且这种技术还能进一步消弭距离对食物的影响。
例如，以后可能再也不用千里迢迢把牛油果从墨西哥运到中国来，一个可以精确控制气候的温室，就能在北京重建墨西哥的气候，让牛油果树可以把异乡认作故乡。
媒体实验室的研究人员2015年开发出这一技术的原型，使用了很多传感器、自动划设别、机器视觉等技术，希望可以研究并复制食物的最佳生长条件。在这个过程中，研究人员不断尝试光照、水质等各种变量。
这个项目，被麻省理工学院媒体实验室称为：OpenAg。
在开头提到的箱子里，每个植物都有自己独特的种植变量。最初，研究人员自己分析数据，然后改善他们的“气候配方”。直到2016年6月，研究团队开始跟AI公司Sentient合作，利用人工智能来更快的优化食物的生长环境。
“当我们第一次和OpenAg沟通时，他们说罗勒是一个快速生长的植物，但在他们的话语体系里，快速的意思是6-8周”，Sentient的首席执行官Babak Hodjat说。
这家AI公司此前帮助交易商在股票市场上寻找获利模式，因此农作物的周期对他们来说丝毫谈不上快。“想获得一个数据点要等很长的时间，所以我们换了一个方式，让AI自行决定下一组数据点要尝试什么”Hodjat说。
罗勒是交错批量生长的，所以AI可以在第一茬停止生长之前，就是用每一批的数据来改变“气候配方”的设置，从而提高食盐产量。
通过最大化植物中挥发分子数量的方式，研究人员让算法优化罗勒的风味。在这个过程中，他们发现如果来自灯泡的光照持续不断，某种特定风味的分子含量会增加895%，而另一种增加了674%。
AI还重新发现了重量和味道之间的关系：植物越大，味道越淡。
在人工智能技术的帮助下，这个团队可以为多种目的优化“气候配方”，例如味道、成本和可持续性。而且所有的数据都是开源的。
这些开源的“气候配方”，可以帮助农民种植味道更好、更高效生长的作物，也能帮助室内农业公司节省大量的研发费用。
而这个团队想要的，是为室内农业创建一个共同的标准，就像农业的Linux。
这项研究还继续生产出更美味、更高产的食物，而且不会涉及太多的争议。“根本上，这是一种非转基因的转基因”，Hodjat说“我们不会弄乱植物的DNA，只是让植物表现出在自然环境中本来就存在的一种状态”。
看到这里，想不想搭建一个同样的系统？
以下这个地址，直接通向OpenAg的官网：
https://www.media.mit.edu/groups/open-agriculture-openag/overview/
官网上有这个项目的详细介绍，包括可以加入社区，学习最新的研究成果，以及自己动手搭建一个类似系统的指南~
【完】
