هل يمكن للذكاء الاصطناعي أن يصبح شريكًا للنباتات لمساعدة العالم على التغذية؟

بفضل قوة الذكاء الاصطناعي والبيانات الكبيرة ، يسعى العلماء لفتح آفاق جديدة مثيرة في فك شفرة العالم المعقد للجينومات النباتية من أجل التربية النباتية المخصصة الجديدة التي يمكن أن تحول الأمن الغذائي وتكيفه مع تغير المناخ.

عصي القمح ، قصب السكر. بالنسبة لمعظم الناس ، هذه هي المواد الخام لبعض من الأطعمة المفضلة لدينا – ولكن للعلماء ، تمثل هذه الأشياء لغزا معقدا ، الذي إذا تم حله ، يمكن أن يفتح أسرارا قد تسمح لنا بزراعة المزيد من الأغذية مع آثار أقل ضررا على الأرض ، وتربية مصادر جديدة للوقود الحيوي بكميات كبيرة ، ومساعدة الناس على العيش حياة أطول وأصحى. هذه الأسرار محبوسة في الجينوم النباتي – ومع أدوات الذكاء الاصطناعي المتقدمة ، يبدأ العلماء في اكتشاف الأسرار التي تحتويها هذه الجينات.

القدرة على الذكاء الاصطناعي لتحليل كميات هائلة من البيانات تفتح الباب لحل تحديات فهم الجينومات النباتية بشكل أفضل. هذا الفهم للتفاعل بين العناصر الجينية الموجودة في النباتات والوظائف المختلفة يمكن أن يساعد الباحثين على تطوير سلالات نباتية أكثر صلابة ، مما يمكنهم من التغلب بشكل أفضل على الإجهادات البيولوجية وغير البيولوجية مثل التحديات البيئية مثل أنماط المناخ المتغيرة والآفات ومقاومة المبيدات.

الجينومات النباتية – حتى بالنسبة للنباتات “البسيطة” ، مثل قصب السكر – أكبر بكثير من الجينومات البشرية أو الحيوانية ، وقد تطور على مدى فترة طويلة hơn بكثير من أشكال الحياة الأخرى. النباتات متعددة الصيغ الصبغية – حيث يتم تكرار الجينات أو الجينومات بأكملها – والتقاط التفاعلات بين الجينات والآليات من مختلف الصيغ الصبغية هو تحد ، حيث يمكن أن تمثل بعض الصيغ الصبغية جينات يتيما من سلالات نباتية قديمة لا تكون بالضرورة نشطة الآن.

يهدف الباحثون إلى تحديد الاختلافات في النيوكليوتيدات المفردة (التسلسلات الشائعة من الحمض النووي) ، والتي يمكنهم استخدامها لفهم كيفية عمل النباتات والتفاعل مع البيئة. بمجرد تحقيق ذلك ، يمكن للباحثين فهم وظيفة كل جين بشكل أفضل – واستخدام تلك المعلومات لتربية نباتات يمكن تعديلها وفقًا لاحتياجات الإنسان. وبالتالي ، إذا أراد الباحثون تطوير سلالة من القمح يمكن زراعتها في مناطق أكثر جفافا ، فسوف يحاولون تحديد الجينات في القمح التي يمكن أن تسمح بنمو كامل على الرغم من نقص الماء. ومن المرجح أن لا تحمل جميع العينات هذا الجين ، لأنه يمكن أن يكون جينًا يتيما ومتوقفًا حاليًا كان جزءًا من جينوم متعدد الصيغ الصبغية. يمكن للتعلم الآلي تحليل الجين وتفاعله مع البيئة ، مع تقديم مؤشرات على الإمكانيات الجينية غير المستغلة لتحقيق ذلك الهدف من خلال استراتيجيات التربية المصممة بالذكاء الاصطناعي.

في حين يمكن استخدام هذا البحث لتعديل سلالات النباتات ، فإن الهندسة الوراثية بعيدة كل البعد عن الطريقة الوحيدة التي يمكن للباحثين من خلالها تطوير سلالات من المحاصيل التي تتمتع بالخصائص المرغوبة. لقد كان البشر يربون سلالات من المحاصيل لآلاف السنين. يمكن للذكاء الاصطناعي أن يكون مفيدًا هنا أيضًا – تحديد سلالات للتربية التي تتمتع بأعلى توافق وأكثر احتمالا لتحقيق النتائج المرغوبة.

بالإضافة إلى ذلك ، يمكن أن تساعد أنظمة الذكاء الاصطناعي في توقع الطريقة التي سيتم من خلالها التربية – التهجين ، التربية العريضة ، تضاعف الكروموسوم – ستكون الأكثر فعالية. مع المعلومات الجينية الشاملة للنباتات في متناول اليد ، يمكن للباحثين استخدام التعلم الآلي لمطابقة الجينات مع البيئات المثالية التي من المرجح أن ت茁ل فيها. ويمكن أن يؤدي ذلك إلى محاصيل يمكن أن تتحمل موسم نمو مطول أو زراعة المحاصيل في مناطق لا يمكن أن تتحملها من قبل ، وبالتالي زيادة الإمدادات الغذائية للعالم المتزايد سكانًا وجائعًا. يمكن تطوير سلالات أكثر صلابة – أكثر قدرة على مقاومة آفات المناخ أو النمو حتى في المناطق التي أدت التحضر أو التصحر إلى تدهورها.

يمكن أيضًا استخدام المعلومات الجينية للنباتات لمساعدة تربية سلالات من المحاصيل التي تتمتع بمقاومة أكبر للآفات أو الأمراض المحددة. يمكن للتعلم الآلي تحديد سمات النباتات التي تتمتع بأكبر جاذبية للحشرات أو الآفات – الرائحة ، اللون ، إلخ – وتمكين الباحثين من تطوير جينات تقلل من جاذبية هذه النباتات للآفات. ويمكن أن يؤدي ذلك إلى تقليل استخدام المبيدات الحشرية ، وتطوير مبيدات حشرية أكثر صديقة للبيئة مصممة لنباتات معينة في مناطق معينة أو حتى مزارع فردية – نوع من “الزراعة الشخصية” التي تكون أكثر أمانًا ونظافة وأكثر خضرة.

قبل القدرات الحالية للذكاء الاصطناعي ، كان تحديد الجينومات النباتية قريبا من المستحيل – ولكن الآن بعد أن تم تحديدها ، من المستحيل فهم كيفية عملها بدون تكنولوجيا الذكاء الاصطناعي المتقدمة مثل التعلم الآلي. مع الأدوات المتاحة الآن ، سوف يكون الباحثون قادرين على فهم النباتات بشكل أفضل ، وتطوير أساليب جديدة ومحسنة لمساعدة النباتات على النمو في مواجهة التغيرات البيئية والتلوث والتحضر والمشاكل الأخرى التي تؤثر على نمو النباتات وجودتها. مع التعلم الآلي المتقدم ، سوف يكون الباحثون قادرين على كشف الغموض التي تحتويها النباتات – واستخدام تلك الأسرار لخلق مستقبل أفضل للإنسانية.