آیا یادگیری ماشین می‌تواند به خوشمزه‌تر شدن میوه‌ها و سبزیجات کمک کند؟

طعم میوه‌‌ها و سبزیجاتی که روزانه تهیه و مصرف می‌کنیم چنگی به دل نمی‌زند. این موضوع می‌تواند به این علت باشد که تولیدکنندگان محصولات کشاورزی اولویت‌شان را بیشتر از طعم و مزه به موارد دیگری هنگام پرورش انواع جدید گونه‌های محصولات کشاورزی اختصاص می‌دهند؛ زیرا آن‌ها ابزار مناسبی برای نمونه‌برداری ندارند. در تحقیقاتی که اخیرا انجام شده و گزارش آن منتشر شده، محققان دانشگاه فلوریدا به نتایجی دست یافتند که باعث شگفتی همگان شد. آن‌ها متوجه شدند سالیان سال است که پرورش‌دهندگان محصولات کشاورزی برای بهتر شدن مزه آن‌ها تنها فاکتور شیرینی یا ترشی را مدنظر قرار می‌دهند و از فاکتورهای دیگری که باعث بهتر شدن طعم میوه‌ها و سبزیجات می‌شوند، غافل شده‌اند. در حالی که به اعتقاد پاتریکو مونوز، متخصص رشته کشاورزی و یکی از نویسندگان مقاله اخیر، تنها ۴۰ درصد از خوشمزه یا بدمزه بودن میوه‌ای به شکر و اسید موجود در آن بستگی دارد؛ ۶۰ درصد دیگر آن به سایر مواد شیمیایی موجود در محصولات بستگی دارد که با حس بویایی ما قابل‌ تشخیص هستند. محققان در این تحقیقات توانستند روشی برای تشخیص و تولید طعم بهتر بر اساس ترکیبات شیمیایی محصول ارائه دهند. تمام این یافته‌ها می‌تواند آینده کشاورزی را دگرگون کنند.

ارتباط بین مواد شیمیایی موجود در میوه‌ها و طعم آن‌ها

محققان در طی تحقیقات خود، انواع مختلفی از محصولات کشاورزی را مورد بررسی قرار دادند. آن‌ها در مجموعه داده‌‌هایی که در نتیجه این تحقیقات جمع‌آوری کردند، دو نوع داده کلی را انتخاب کردند. داده نوع اول مربوط به مشخصات شیمیایی محصولات بود و داده دوم امتیازاتی بود که افراد مختلف به محصولات بر اساس میزان شیرینی و خوشمزه بودن آن‌ها داده بودند. آن‌ها با استفاده از این داده‌ها توانستند ارتباط بین مزه محصول و ترکیبات شیمیایی آن‌ها برای هر نوع محصول، برای مثال انواع مختلف گوجه‌فرنگی را بیابند و سپس مدل‌هایی را با استفاده از یادگیری ماشین و مجموعه داده‌های به‌دست آمده به‌عنوان داده ورودی، ایجاد کنند تا چکونگی ارتباط میان طعم و ترکیب شیمیایی را نشان می‌دهند. برای میوه‌ای مثل تمشک، یک ترکیب شیمیایی موجود در آن، مشخص‌کننده مزه آن بود. اما در مورد برخی دیگر مثل گوجه‌فرنگی، موضوع به این سادگی نبود و طعم و مزه نتیجه تعامل چند ترکیب شیمیایی با یک‌دیگر بودند. 

چگونه با کمک یادگیری ماشین طعم میوه‌ها بهبود می‌یابد؟

پرورش‌دهندگان نمی‌توانند با تغییر مستقیم ترکیبات شیمیایی یک محصول مزه آن‌را تغییر دهند، آن‌ها تنها می‌توانند بر روی ژن‌ها تاثیر بگذارند؛ البته این‌کار با وجود پیشرفت‌های فناوری همچنان مسئله‌ای چالش‌بر‌انگیز است.

به اعتقاد یکی دیگر از نویسندگان مقاله، پرورش‌دهندگان، امروزه برخلاف گذشته از فناوری‌ها و ربات‌هایی استفاده می‌کنند که به آن‌ها کمک می‌کنند تشخیص دهند کدامیک از شاخه‌های یک گونه بر اساس ویژگی‌هایی مانند رنگ یا مقدار میوه تولیدی هر نوع، به کشت انبوه می‌رسند.

با این‌حال، اندازه‌گیری ویژگی‌ای مانند طعم به این سادگی نیست؛ زیرا برای تعیین کیفیت آن یا پرورش‌دهنده خود باید آن‌را بچشد که می‌تواند سلیقه‌ای باشد که نتایج استنادی ارائه نمی‌کند یا آزمایش و جمع‌آوری داده‌ها توسط افراد بیشتری صورت گیرد که در این ‌صورت نیز هزینه‌بر و زمان‌بر خواهد بود. این محقق افزود: «اکنون با استفاده از یادگیری ماشین و تحقیق جدیدی که انجام شده است، به‌سادگی قادر به انجام این کار هستیم.»

چیزی که باعث می‌شود طعم میوه‌ها را تشخیص داده و درک کنیم ترکیب شیمیایی آن‌ها است. ما معمولا قند و اسید را توسط گیرنده‌های چشایی خود تشخیص می‌دهیم در حالی‌که مواد فرار توسط گیرنده‌های بویایی ما حس می‌شوند. محققان بر این باور بودند که می‌توان با کمّی کردن مشخصات شیمیایی یک محصول و با کمک یادگیری ماشین مدل‌هایی ساخت که طعم مورد علاقه مصرف‌کنندگان را پیش‌بینی کند. با استفاده از این مدل‌ها ظرفیت فنوتیپ‌ (کیفیت ظاهری) طعم افزایش می‌یابد و پرورش‌دهنده می‌تواند برای طعم بهتر میوه‌ها در هر فصل صدها ژنوتیپ (ساختار ژنتیک) انتخاب کند. 

در مطالعاتی که در خصوص طعم موادغذایی انجام شده است، محققان از دو الگوی مهم دنیای هوش مصنوعی و یادگیری ماشین یعنی رگرسیون خطی چندگانه و رگرسیون PLS استفاده کردند. دو مدل مذکور کاربرد گسترده‌ای در مبحث مدل‌سازی آماری دارند. با این‌حال، توسعه‌ مدل‌های پیش‌بینی متابولومیک کار آسانی نیست؛ زیرا ترکیبات شیمیایی موجود در یک میوه بسیار زیاد است. البته متخصصان ژنتیک امروزه با داده‌های مشابهی کار می‌کنند و می‌توانند داده‌ها را با اطلاعات ژنومی انتخاب کنند.

محققان می‌گویند: «در این تحقیق طیفی از مدل‌های آماری و یادگیری ماشین مورد ارزیابی قرار گرفتند که با توجه به مشخصات شیمیایی میوه، این امکان وجود دارد تا طعم ترجیحی مصرف‌کننده را پیش‌بینی کرد. اطلاعات در سطح متابولوم (Metabolome) و داده‌های به‌دست آمده از امتیازات مصرف‌کنندگان با هم ترکیب شد و سپس مشاهده شد که برای انواع محصولات با طعم بهتر، مدل‌های پیش‌بینی متابولومیک می‌توانند در یک برنامه اصلاحی برای انتخابی دقیق‌تر به‌کار روند. در کنار آن از مدل‌ها برای درک نقش مواد فرار، قندها و اسیدها که بیشتر مورد پسند و ذائقه مردم است استفاده شد. نتایجی که حاصل شد نشان داد ترکیبات فرار در حدود 56 درصد نقش کلیدی در طعمی دارد که موردپسند مردم است. در این تحقیق همچنین ثابت شد که یادگیری ماشین بهترین روش برای پیش‌بینی‌ طعم بهتر است؛ همچنین، دقت انتخاب متابولومیک نسبت به مدل‌های انتخاب ژنومی بیشتر است.»

البته لازم است اضافه کنیم که هدف این تحقیقات تولید میوه خاصی نیست. تفاوت در سلیقه‌ها، فرهنگ‌ها و کشورهای مختلف دلیل اصلی آن است. مجموعه داده‌ای که در نتیجه این تحقیق در ایالات متحده به‌دست آمده است بر اساس سلیقه شهروندان این کشور است و ممکن است میوه جدید تولید شده بر اساس این داده‌ها توسط مردم کشورهای دیگر مورد پسند نباشد.