Изобретения на любой вкус
Сможет ли искусственный интеллект заменить человека там, где нужны органы чувств? А заранее предсказать засуху или заметить стресс у обитателей курятника? О том, как исследователи меняют агротех и фудтех с помощью ИИ, — в подборке проектов Blue Sky Research, конкурса прорывных научных работ среди молодых ученых
Какой «урожай» достижений принесет ИИ в сельское хозяйство и производство продуктов питания
Электронный дегустатор кофе
Кофе давно стал любимым напитком россиян. Чтобы получить бодрящий напиток, производители и рестораны закупают необжаренные зерна, так называемый зеленый кофе. Но каким будет вкус напитка после обжарки, предсказать сложно. А ведь стабильный вкус, как и контроль качества, важен в кофейной индустрии.
В 2023 году ученые из Сибирского федерального университета (СФУ) и Университета ИТМО создали электронный дегустатор со встроенным искусственным интеллектом. Устройство представляет собой электрохимическую ячейку на базе жидкого металла и электродов и программу на основе машинного обучения. Для обучения модели команда исследователей вместе с профессиональными бариста собрала базу данных приборных измерений 400 вариаций кофе.
Устройство работает следующим образом. Кофейное зерно помещают в ячейку, через него прогоняется электрический ток, измеряется уровень проводимости этого зерна и строится график электрического отклика. Эти данные обрабатывает алгоритм и сравнивает с образцами из базы данных. Затем по физико-химическим характеристикам зерна определяется качество продукта.
Александр Агликов, младший научный сотрудник лаборатории интеллектуальных технологий в инфохимии ИТМО: «Программная часть нашей системы представляет собой базу данных и алгоритмы машинного обучения, позволяющие предсказывать интенсивность и качество вкуса кофе по трем признакам: горечь, сладость и кислотность. Сейчас алгоритм работает с точностью 90% и умеет предсказывать, например, что кофе будет очень горьким, но при этом среднекислым».
Иван Тимофеенко, заведующий лабораторией сити-фарминга Института гастрономии СФУ: «Первыми разработкой заинтересовались обжарщики кофе, которые еще на этапе сбора данных предоставляли образцы продукции. Мы продолжаем сотрудничать, пополняя базу данных для обучения нейросети. Сегодня к ним присоединились и региональные ретейлеры, и крупные торговые сети. Один из ресторанных холдингов в Красноярске также заинтересован в повышении качества кофе в вендинговых автоматах. Созданная нами модель позволяет развивать объективную оценку качества продукта, не зависящую от конкретного дегустатора. Мы планируем, что в будущем сможем также использовать ее для оценки и других напитков, например чая или вина».
Цифровой гид по миру вкусов
Использование добавок в пищевых продуктах — устоявшаяся практика в фудтехе. Но опасения потребителей по поводу их потенциальных рисков не утихают. Производители вместе с учеными все больше интересуются натуральными продуктами и добавками. Но из-за отсутствия подробных составов подбирать концентрацию конкретного продукта, чтобы добиться нужного вкуса, сложно и долго.
Вот с этим и решили помочь производителям и рестораторам ученые из Университета ИТМО. Они разработали путеводитель по пищевым ингредиентам на примере умами — вкуса высокобелковой пищи. Созданная модель предсказывает, какой ингредиент позволит создать вкус нужной интенсивности.
Исследователям пришлось столкнуться сразу с двумя вызовами. Во-первых, им нужно было понять, что такое вкус и что на него влияет. Во-вторых, собрать качественные данные по молекулярному составу пищевых добавок.
Мария Ашихмина, младший научный сотрудник научно-образовательного центра инфохимии Университета ИТМО: «Сейчас мы работаем над базой данных, которая позволит нам анализировать и другие вкусы: сладкий, соленый, горький и кислый. Это будет полноценный сервис поиска продуктов с лучшей сочетаемостью. Такая платформа, например, поможет шеф-повару разрабатывать блюда быстрее — сейчас, чтобы придумать и протестировать блюдо, уходит порядка одного-полутора месяцев. В будущем мы планируем привлечь компании-партнеры и опробовать технологию на блюдах ресторана «Хачо и Пури». Кроме того, в перспективе наш проект позволит создать цифровой двойник продукта — это актуально для идеи персонализированного питания».
«Генератор» погоды для прогноза засух
Искусственный интеллект активно проникает в сферу гидрометеорологии и в краткосрочном прогнозе превзошел в точности традиционные методы прогнозирования. Но можно ли заранее предсказать, например, засуху? Ведь с начала XXI века количество и продолжительность засух увеличились больше чем на четверть. К 2050 году, по данным ООН, от засух может пострадать более трех четвертей населения планеты. Только в 2022 году по всему миру ущерб составил $42 млрд.
Решить задачу предсказания засух взялась команда Института физики атмосферы имени А.М. Обухова РАН. В ходе исследования ученые столкнулись с тем, что ряды данных наблюдений недостаточно длинные, чтобы найти и учесть в прогнозе все возможные связи между погодой, состоянием атмосферы, океана и суши. Кроме того, в конкретном регионе за все время наблюдений может быть немного случаев засухи.
Исследователи решили эти проблемы с помощью различных методов искусственного увеличения выборки и удлинением рядов за счет использования большого количества экспериментов с численными моделями атмосферы, которые способны «генерировать» погоду.
Дмитрий Чечин, ведущий научный сотрудник ИФА РАН: «Сейчас наша модель позволяет для любой точки на территории России сделать как качественную, так и количественную оценку, будет засуха или нет. В частности, сказать, насколько сильной будет она. Заблаговременность прогноза составляет до шести месяцев, а его точность — порядка 70%. Мы видим потенциальных клиентов не только среди агрохозяйств, но и среди страховщиков, трейдеров на бирже, а также экспортеров сельхозпродукции. Ведем переговоры с Россельхозбанком, Главным ботаническим садом имени Н.В. Цицина РАН, а также с различными фермерскими хозяйствами. В частности, обсуждаем возможность уже следующей весной предоставить экспериментальный доступ к нашим прогнозам».
Нейросеть против стрессов в курятнике
Забота о птицах на сельхозпредприятиях — задача непростая. Малейший стресс от смены корма, появления новых людей на производстве, перемещения и многого другого отражается на благополучии кур. Стресс может вести к изменениям на уровне биохимии, снижению иммунитета и увеличению восприимчивости к заболеваниям.
Первые признаки неблагополучия отражаются на двигательной активности птиц. Но человек не может их увидеть, особенно в условиях плотной посадки кур. Зато это может сделать хорошо обученная нейросеть. Это одно из немногих исследований, реализованных не в лаборатории, а в условиях реального производства. Нейросеть, разработанная командой Донского государственного технического университета (ДГТУ), анализирует записи с видеокамер и с точностью в 85% может сказать, в каком состоянии находятся птицы. Продуктивность прогнозируется с точностью 89–92%.
Анна Фомина, доцент кафедры «Биология и общая патология» ДГТУ: «В зарубежных исследованиях анализ двигательной активности — фронтир. Некоторые предприятия оснащаются такими системами. Но в России это пока редкость. Сейчас разработкой заинтересовались шесть компаний, фермы и ветеринарные клиники. На основе разработанной нами модели можно также будет создавать системы контроля движения животных. Находить заболевших особей по двигательной активности при выращивании дикой птицы, где важно минимизировать контакт с людьми. Также сходные системы потенциально можно внедрять в зоопарках для отслеживания поведения животных в условиях адаптации, при переводе из вольеров».
Какие еще разработки в области агро- и фудтеха ведутся в мире
Подготовили Раксана Бабаева и Мария Решетникова
Искусственное мясо из клеток животных
Уже не первый год производители по всему миру заняты разработкой культивированного мяса. Это продукт, созданный из клеток животных в лабораторных условиях, то есть без необходимости традиционного забоя животных. Особого успеха в этой области добилась американская компания UPSIDE Foods. Весной 2023 года создатели бренда получили одобрение регулирующих органов на коммерческое производство своей продукции.
Процесс «рождения» культивированного мяса в UPSIDE Foods начинается со взятия образца животной клетки, например мышцы или жировой ткани, у донора. Затем эти клетки размножают в биореакторах, в которых создают оптимальные условия для роста клеток: поддержание температуры, питательные вещества (вода, сахар, аминокислоты, витамины, минералы и соль) и кислород. Через две-три недели процесс завершается, и мясо вынимают из культиватора. Затем ему придают форму, например, куриного филе.
Журнал Time включил мясо от UPSIDE Foods в список 200 лучших изобретений 2023 года, «меняющих наш образ жизни». И все же, несмотря на подобное признание, отрасль культивированного мяса пока находится на начальной стадии развития и сталкивается с рядом технологических проблем. Несмотря на эти сложности, вложения в производство культивированного мяса, выращенного в лаборатории, уже составляют $600 млн. К 2031 году ожидается, что мировой рынок культивированного мяса достигнет отметки $1,66 млрд, а к 2041 году — $11,13 млрд.
«Лунные» деревья и плоды с подсказкой
Еще одно изобретение минувшего года по версии Time — новый сорт авокадо Luna UCR, также известный под научным названием BL516. Этого успеха добились ученые из Калифорнийского университета в Риверсайде. Чем их авокадо отличается от всех прочих? Во-первых, «лунные» деревья меньше других, что позволяет производителям сажать их в плотные и близкие ряды. Во-вторых, когда авокадо Luna UCR созревает, зеленая кожура становится черной. Это означает, что потребителям больше не придется сомневаться в зрелости плода при покупке.
Сорт Luna UCR пока не найти в магазинах, но ученые утверждают, что на реализацию он поступит уже в ближайшем будущем.
Облачные вычисления для работы на земле
Данные с датчиков на земле, а также дронов и спутников собираются и анализируются в системах искусственного интеллекта. Благодаря технологиям машинного обучения система учится сама подбирать оптимальные агротехнологические решения и давать фермерам подсказки в работе: когда лучше поливать почву, в каком месте требуется больше рабочих рук и т.д. Также собранная информация объединяется с историческими данными об изменении климата. Это позволяет фермерам рассчитать урожайность с каждого участка и даже изменение цены на свою продукцию. Например, ИИ-платформа компании Phytech позволяет прогнозировать рост и созревание яблок или апельсинов.
Фермерская организация в Аргентине под названием Asociación de Cooperativas Argentinas (ACA) использует цифровое сельское хозяйство для более эффективного, прибыльного и устойчивого выращивания продуктов питания. В сотрудничестве с SAP, глобальным поставщиком корпоративного программного обеспечения, была разработана цифровая платформа для точного земледелия. Исследователи использовали машинное обучение, геоданные с дронов и спутников, облачные вычисления для разработки рекомендаций фермерам в реальном времени. По мере развития платформы данных она поможет ACA лучше понять оптимальные условия для выращивания каждой культуры.
Орасио Балусси, директор по информационным технологиям ACA, объясняет: «Мы можем предупредить фермеров о том, что некоторым культурам нужно меньше удобрений или воды, чем использовалось раньше. Благодаря этому пониманию производители смогут минимизировать как стоимость удобрений и использование природных ресурсов, так и воздействие сельскохозяйственного сектора Аргентины на окружающую среду».
Иллюстрация: Midjourney