Apakah AI Dapat Menjadi Seorang Pembisik Tanaman untuk Membantu Memberi Makan Dunia?

Dengan kekuatan AI dan big data, para ilmuwan sedang mengejar frontir baru yang menarik dalam menguraikan dunia kompleks genom tanaman untuk pembiakan tanaman khusus berikutnya yang dapat merevolusi keamanan pangan dan adaptasi terhadap perubahan iklim.

Sebatang gandum, sebatang tebu. Bagi kebanyakan dari kita, ini hanyalah bahan baku dari beberapa makanan favorit kita – tetapi bagi para ilmuwan, ini merupakan teka-teki yang rumit yang, jika dipecahkan, dapat membuka rahasia yang dapat memungkinkan kita untuk menanam lebih banyak makanan dengan dampak yang lebih sedikit pada bumi, membiakkan sumber bahan bakar bio baru dalam skala besar, dan membantu orang hidup lebih lama dan sehat. Rahasia-rahasia itu terkunci dalam genom tanaman – dan dengan alat AI yang canggih, para ilmuwan mulai menemukan rahasia yang disembunyikan oleh gen-gen tersebut.

Kapasitas AI untuk menganalisis sejumlah besar data membuka pintu untuk memecahkan tantangan dalam memahami genom tanaman dengan lebih baik. Pemahaman tentang interaksi antara elemen genetik yang ada dalam tanaman dan fungsi yang berbeda dapat membantu peneliti mengembangkan varietas tanaman yang lebih kuat, sehingga mereka dapat lebih baik mengatasi stres biotik dan abiotik seperti tantangan lingkungan seperti pola perubahan iklim, serangan hama dan resistensi pestisida.

Genom tanaman – bahkan dari tanaman “sederhana” seperti tebu – secara signifikan lebih besar daripada genom manusia atau hewan, yang telah berevolusi selama periode yang jauh lebih lama daripada bentuk kehidupan lain. Tanaman adalah poliploid – di mana gen atau genom seluruhnya diduplikasi – dan menangkap interaksi antara gen dan alel dari berbagai ploid adalah tantangan, karena beberapa ploid dapat mewakili gen yatim dari varietas tanaman yang lebih tua yang tidak aktif sekarang.

Peneliti bertujuan untuk mengidentifikasi polimorfisme nukleotida tunggal (urutan DNA yang umum), yang dapat mereka gunakan untuk memahami bagaimana tanaman berfungsi dan berinteraksi dengan lingkungan. Setelah ini dicapai, peneliti dapat lebih baik memahami fungsi dari setiap gen – dan menggunakan informasi tersebut untuk membiakkan tanaman yang dapat disesuaikan dengan kebutuhan manusia. Dengan demikian, jika peneliti ingin mengembangkan varietas gandum yang dapat ditanam di daerah yang lebih kering, mereka akan mencoba mengidentifikasi gen dalam gandum yang dapat memungkinkan pertumbuhan penuh meskipun kekurangan air. Tidak semua sampel kemungkinan akan membawa gen ini, karena gen ini dapat menjadi gen yatim dan saat ini tidak aktif yang merupakan bagian dari genom poliploid. Pembelajaran mesin dapat menganalisis gen dan interaksinya dengan lingkungan, memberikan indikasi potensi genetik yang tidak terjangkau untuk mencapai tujuan tersebut melalui strategi pembiakan yang dirancang AI.

Sementara penelitian ini dapat digunakan untuk memanipulasi varietas tanaman, rekayasa genetika seperti ini jauh dari satu-satunya cara bagi peneliti untuk mengembangkan varietas tanaman yang memiliki kualitas yang diinginkan. Manusia telah melakukan persilangan varietas tanaman selama milenium. AI dapat membantu di sini juga – mengidentifikasi varietas untuk pemilihan pembiakan yang memiliki kompatibilitas tertinggi dan paling mungkin menghasilkan hasil yang diinginkan.

Selain itu, sistem AI dapat membantu memprediksi metode pembiakan mana – hibridisasi, persilangan luas, penggandaan kromosom – yang akan paling efektif. Dengan informasi genetik tanaman yang mendalam, peneliti dapat lebih lanjut menggunakan pembelajaran mesin untuk mencocokkan gen dengan lingkungan optimal di mana mereka paling mungkin tumbuh. Ini dapat menghasilkan tanaman yang dapat bertahan dalam musim tanam yang lebih lama atau penanaman tanaman di daerah yang sebelumnya tidak dapat mendukungnya, sehingga meningkatkan pasokan makanan untuk dunia yang semakin padat penduduknya – dan lapar. Varietas yang lebih kuat dapat dikembangkan – lebih mampu menahan dampak perubahan iklim atau tumbuh bahkan di daerah di mana urbanisasi atau desertifikasi telah terjadi.

Informasi genetik tanaman juga dapat digunakan untuk membantu membiakkan varietas tanaman yang lebih resisten terhadap hama atau penyakit tertentu. Pembelajaran mesin dapat mengidentifikasi sifat-sifat tanaman yang paling menarik bagi serangga atau hama – bau, warna, dll. – dan memungkinkan peneliti mengembangkan gen yang dapat mengurangi daya tarik tanaman tersebut bagi hama. Ini dapat menghasilkan pengurangan penggunaan pestisida, pengembangan pestisida yang lebih ramah lingkungan yang dirancang untuk tanaman tertentu di wilayah tertentu, atau bahkan pertanian individu – jenis “pertanian pribadi” yang lebih aman, lebih bersih, dan lebih hijau.

Sebelum kemampuan AI saat ini, mengidentifikasi genom tanaman hampir mustahil – tetapi sekarang bahwa mereka telah diidentifikasi, memahami bagaimana mereka bekerja adalah mustahil tanpa teknologi AI yang canggih seperti pembelajaran mesin. Dengan alat yang sekarang tersedia, peneliti akan dapat memahami tanaman dengan lebih baik, dan mengembangkan metode baru dan lebih baik untuk membantu tanaman tumbuh dalam menghadapi perubahan lingkungan, polusi, urbanisasi, dan masalah lain yang mempengaruhi pertumbuhan dan kualitas tanaman. Dengan pembelajaran mesin yang canggih, peneliti akan dapat membuka rahasia yang disembunyikan oleh tanaman – dan menggunakan rahasia tersebut untuk menciptakan masa depan yang lebih baik bagi umat manusia.