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

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

عصي القمح ، قصب السكر. لمعظمنا ، هذه هي مجرد مواد خام لبعض من أطعمتنا المفضلة – ولكن للعلماء ، تمثل هذه المواد لغزًا معقدًا يحتاج إلى حل ، ويمكن أن يفتح أسرارًا يمكن أن تمكننا من زراعة المزيد من الأغذية بأقل تأثير ضار على الأرض ، وتربية مصادر جديدة للوقود الحيوي على نطاق واسع ، ومساعدة الناس على العيش لفترات أطول وأصحى. هذه الأسرار محبوسة في جينوم النباتات – ومع أدوات الذكاء الاصطناعي المتقدمة ، يبدأ العلماء في اكتشاف الأسرار التي تحملها هذه الجينات.

القدرة على الذكاء الاصطناعي لتحليل كميات هائلة من البيانات تفتح الباب لحل التحديات لفهم جينومات النباتات 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 على الإجهادات الحيوية واللاحيوية مثل التحديات البيئية مثل تغير أنماط المناخ والآفات ومقاومة المبيدات.

جينومات النباتات – حتى النباتات “البسيطة” ، مثل قصب السكر – أكبر بكثير من الجينومات البشرية أو الحيوانية ، وقد تطور على مدى فترة زمنية أطول بكثير من أشكال الحياة الأخرى. النباتات متعددة الصيغ الصبغية – حيث يتم تكرار الجينات أو الجينومات بأكملها – والتقاط التفاعلات بين الجينات والجينات من مختلف الصيغ الصبغية هو تحد ، حيث يمكن أن تمثل بعض الصيغ الصبغية جينات أيتام من سلالات نباتية أقدم لا يتم استخدامها حاليًا.

يهدف الباحثون إلى تحديد الاختلافات في النيوكليوتيدات الواحدة (التركيبات الشائعة للدي أن أيه) ، والتي يمكنهم استخدامها لفهم كيفية عمل النباتات والتفاعل مع البيئة. بمجرد إنجاز ذلك ، يمكن للباحثين فهم وظيفة كل جين بشكل أفضل – واستخدام تلك المعلومات لتربية نباتات يمكن تعديلها لاحتياجات الإنسان. وبالتالي ، إذا أراد الباحثون تطوير سلالة من القمح يمكن زراعتها في مناطق أكثر جفافًا ، فسوف يحاولون تحديد الجينات في القمح التي يمكن أن تسمح بنمو كامل尽管 نقص الماء. قد لا تحتوي جميع العينات على هذا الجين ، حيث يمكن أن يكون جينًا أيتامًا و現在 غير نشط كان جزءًا من جينوم متعددة الصيغ الصبغية. يمكن للتعلم الآلي تحليل الجين وتفاعله مع البيئة ، مما يوفر إشارات إلى الإمكانات الجينية غير المستغلة لتحقيق ذلك الهدف من خلال استراتيجيات التربية المصممة بالذكاء الاصطناعي.

في حين يمكن استخدام هذا البحث لتعديل سلالات النباتات ، فإن الهندسة الجينية بعيدة المنال ليست الطريقة الوحيدة التي يمكن للباحثين من خلالها تطوير سلالات المحاصيل التي تتمتع بالخصائص المرغوبة. لقد قام البشر بتهجين سلالات المحاصيل لآلاف السنين. يمكن للذكاء الاصطناعي أن يكون مفيدًا هنا أيضًا – تحديد السلالات لانتخاب التهجين التي تتمتع بأعلى توافق وأكثر احتمالية لإنتاج النتائج المرغوبة.

علاوة على ذلك ، يمكن لأنظمة الذكاء الاصطناعي أن تساعد في التنبؤ بالطريقة الأكثر فعالية لتربية النباتات – التهجين ، التهجين على نطاق واسع ، التضاعف الصبغي – سيكون الأكثر فعالية. مع المعلومات الجينية الشاملة للنباتات في متناول اليد ، يمكن للباحثين استخدام التعلم الآلي لمطابقة الجينات مع البيئات المثالية التي يمكن أن ت茗 فيها ، مما يمكن أن يؤدي إلى محاصيل يمكنها تحمل موسم نمو مطول أو زراعة المحاصيل في مناطق لا يمكنها دعمها من قبل ، مما يزيد من الإمدادات الغذائية للعالم المتزايد سكانًا وجائعًا. يمكن تطوير سلالات أكثر صلابة – أكثر قدرة على مقاومة تأثيرات تغير المناخ أو النمو حتى في المناطق التي اجتاحتها التهجين أو التصحر.

يمكن استخدام المعلومات الجينية للنباتات أيضًا لمساعدة تربية سلالات المحاصيل التي تتمتع بمقاومة أعلى 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. يمكن أن يؤدي هذا إلى تقليل استخدام المبيدات ، وتطوير مبيدات أكثر صديقة للبيئة مصممة لنباتات معينة في مناطق معينة أو حتى مزارع فردية – نوع من “الزراعة الشخصية” التي تكون أكثر أمانًا وأكثر نظافة وأكثر خضرة.

قبل القدرات الحالية للذكاء الاصطناعي ، كان تحديد جينومات النباتات أمرًا شبه مستحيل – ولكن الآن بعد أن تم تحديدها ، يصبح فهم كيفية عملها أمرًا مستحيلًا بدون تكنولوجيا الذكاء الاصطناعي المتقدمة مثل التعلم الآلي. مع الأدوات المتاحة الآن ، سيكون الباحثون قادرين على فهم النباتات بشكل أفضل ، وتنمية أساليب جديدة وأفضل لمساعدة النباتات على النمو في مواجهة التغييرات البيئية والتلوث والتهجين والقضايا الأخرى التي تؤثر على نمو النباتات وجودتها. مع التعلم الآلي المتقدم ، سيكون الباحثون قادرين على كشف الألغاز التي تحملها النباتات – واستخدام تلك الأسرار لخلق مستقبل أفضل للإنسانية.