Bir bilgisayar domatesin ya da yaban mersininin “tadını” alabilir mi? Tam olarak değil ama Florida Üniversitesi araştırmacıları, bilim adamlarına bu meyvelerdeki hangi uçucu maddelerin tatlarının güzel olduğunu söyleyebileceğini söylüyor.
Florida Üniversitesi Gıda ve Tarım Bilimleri Enstitüsü (UF/IFAS) yetiştiricisi ve genetikçi Marcio Resende, "Yapay Zeka Uzmanı" olarak adlandırdığı şeyi, araştırmacılara hangi kimyasal bileşiklerin (yani uçucuların, şekerlerin), asitler ve diğer kimyasal bileşikler – en iyi meyve aromalarını üretir.
Bir meyve veya sebzenin yetiştirmeye değer olup olmadığını öğrenmek için bilim adamları, tarlalardan geçerek ve ürünleri tek tek toplayarak, tadı ve kokusu için mahsulün numunelerini kendileri alıyorlar.
UF/IFAS bahçecilik bilimleri profesörü ve ortak yazarı Harry Klee, bu süreçlerin lojistik sorunlar ortaya çıkarabileceğini söyledi. Yeni bir çalışma Bu, bilgisayar modellerinin meyve tadını ölçmek için uçucu maddeleri nasıl kullanabileceğini gösteriyor.
Klee, "Maliyet ve lojistik kısıtlamalar nedeniyle yetiştiriciler genellikle programlarında tüketici panellerini kullanmıyorlar" dedi. "İdeal olan, çeşitli potansiyel tüketici gruplarını içeren geniş bir tüketici paneli kullanmak olacaktır. Çeşitli yaş ve etnik kökenlere sahip 100 kişiyi kullanıyoruz. Bu yaklaşım, alışveriş yapan nüfusu çok daha iyi temsil ediyor."
Yıllar boyunca bitki yetiştiricileri ve genetikçiler, lezzet gibi tüketici odaklı özelliklerin ölçülmesinin daha zor olması nedeniyle çiftçilerin daha yüksek verim elde etmesine yardımcı oldu. Ancak yaban mersini yetiştirme programından sorumlu UF/IFAS bahçecilik bilimleri doçenti Patricio Muñoz, yüksek verimin üreticilerin günümüzün zorlu pazarlarında rekabet edebilmesi için yeterli olmadığını söyledi.
Muñoz, üreticilerin tadı güzel çeşitler eklemezlerse meyvelerinin iyi bir fiyata satılmayabileceğini veya hiç satılmayabileceğini biliyorlar. Bilim insanları, bu yöntemlerle üreticilerin rekabetçi kalmasına ve tüketicilerin ürünleriyle ilgili daha iyi bir deneyim yaşamasına yardımcı olmayı umuyor.
Bu modelleri kullanarak bir ıslah programı birçok meyve ve sebze çeşidinin lezzet derecelendirmelerini değerlendirebilir. Bu süreç daha önce ne bilim adamlarının ne de tüketici panellerinin çok fazla çeşidi aynı anda test edememesi nedeniyle sınırlıydı.
Resende, yaban mersini ve domatesteki uçucu maddelerden istatistiksel bir modele veri almanın yollarını gösteren yeni araştırmaya öncülük etti. Araştırma bulguları artık bu iki meyveyle sınırlı, ancak daha sonra UF/IFAS araştırmacılarının geliştirdiği diğer mahsulleri de kapsayacak şekilde genişletilecek.
UF/IFAS araştırmacıları, yeni çalışmalarını yürütmek için geçtiğimiz on yıla ait domates ve yaban mersini yetiştirme programı verilerini kullandı.
Tüketici panellerine çok çeşitli domates ve yaban mersini çeşitleri hediye ettiler. Gainesville'deki UF Duyusal Laboratuvarı. Bilim adamları daha sonra "beğenme", tatlılık, ekşilik, lezzet yoğunluğu ve umami gibi lezzet özelliklerine ilişkin derecelendirmeler topladı.
UF/IFAS araştırmacıları, tüketicinin bir lezzeti ne kadar sevdiğini gösteren puan aralığını test etti. Görünen o ki, uçucu maddeler "beğenme" puanlarının %56'ya kadarını açıklıyor; bu da uçucu maddelerin tüketicilerin meyveyi ne kadar sevdiğini belirlemede önemli olduğuna dair kanıtları güçlendiriyor. Resende, uçucu maddelerin meyve aromasının öneminin ölçülmesinde ve tahmin edilmesinde de önemli olduğunu söyledi.
Ayrıca araştırmacılar, makine öğrenimi yaklaşımlarının genellikle metabolomik seçilim adı verilen tüketici lezzet tercihlerinin en iyi belirleyicileri olduğunu gösterdi. Metabolik seçilimin doğruluğu, bunun yerine genomik verileri kullanan modellerden daha üstündür; bu da bu yeni yöntemin ıslah uygulamalarındaki potansiyelini vurgulamaktadır.
UF/IFAS bahçecilik bilimleri yardımcı doçenti Resende, "Bence asıl nokta, yetiştiricilerin daha fazla sayıda örneği tarayabilmesidir" dedi. "Bu şekilde, lezzetli çeşitleri belirlemek için daha geniş bir huniye sahip oluyorsunuz ve bir noktada tat testi panelleri, duyusal verilerle son bir seçim yapıyor. Bu modellerin lezzetin bir yetiştirme hedefi olarak daha erken dahil edilmesini sağlayacağını ve daha lezzetli meyve çeşitlerinin seçilip piyasaya sürülmesini teşvik edeceğini umuyoruz."
Resende'ye ek olarak, tat testinin bilgisayar modeli yöntemini araştıran diğer UF/IFAS öğretim üyeleri arasında Klee, Muñoz ve araştırma görevlisi profesör Denise Tieman da vardı - üçü de bahçecilik bilimleri bölümündeydi; Gıda bilimi ve insan beslenmesi alanında profesör olan Charlie Sims ve ziraat ve biyoloji mühendisliğinde doçent olan Nikolay Bliznyuk. Çalışmanın ilk yazarı aynı zamanda Ph.D. öğrencisi Vincent Colantonio ve Araştırma Görevlisi Bilim Adamı Luís Felipe Ferrão.
Resende'nin bu yeni yapay zeka araştırmasını açıkladığı video için aşağıya tıklayın.
- Brad Buck, Florida Üniversitesi