શું કમ્પ્યુટર ટમેટા અથવા બ્લુબેરીનો “સ્વાદ” લઈ શકે છે? ઠીક છે, બરાબર નથી, પરંતુ તે વૈજ્ઞાનિકોને કહી શકે છે કે આ ફળોમાંના કયા અસ્થિર પદાર્થોનો સ્વાદ તેમને સારો બનાવે છે, યુનિવર્સિટી ઓફ ફ્લોરિડાના સંશોધકો કહે છે.
યુનિવર્સિટી ઑફ ફ્લોરિડા ઇન્સ્ટિટ્યૂટ ઑફ ફૂડ એન્ડ એગ્રીકલ્ચરલ સાયન્સિસ (UF/IFAS) સંવર્ધક અને આનુવંશિકશાસ્ત્રી માર્સિઓ રેસેન્ડે જેને તેઓ "કૃત્રિમ બુદ્ધિમત્તાના જ્ઞાની" તરીકે ઓળખાવે છે તે બનાવવા માંગે છે, જે સંશોધકોને જણાવે છે કે કયા રાસાયણિક સંયોજનો - એટલે કે અસ્થિર, શર્કરા, એસિડ અને અન્ય રાસાયણિક સંયોજનો - શ્રેષ્ઠ ફળોનો સ્વાદ ઉત્પન્ન કરે છે.
ફળ અથવા શાકભાજી પ્રજનન લાયક છે કે કેમ તે શોધવા માટે, વૈજ્ઞાનિકો સ્વાદ અને ગંધ માટે પાકના નમૂના લે છે, ખેતરોમાં જઈને વ્યક્તિગત રીતે ઉત્પાદન ચૂંટે છે.
આ પ્રક્રિયાઓ લોજિસ્ટિકલ સમસ્યાઓ રજૂ કરી શકે છે, હેરી ક્લી, યુએફ/આઈએફએએસ બાગાયત વિજ્ઞાનના પ્રોફેસર અને સહ-લેખક નવા અભ્યાસ તે જુએ છે કે કેવી રીતે કોમ્પ્યુટર મોડેલો ફળોના સ્વાદને માપવા માટે અસ્થિરતાનો ઉપયોગ કરી શકે છે.
"ખર્ચ અને લોજિસ્ટિકલ મર્યાદાઓને લીધે, સંવર્ધકો સામાન્ય રીતે તેમના કાર્યક્રમોમાં ગ્રાહક પેનલ્સનો ઉપયોગ કરતા નથી," ક્લીએ જણાવ્યું હતું. “આદર્શ એ વિશાળ ગ્રાહક પેનલનો ઉપયોગ કરવાનો રહેશે જેમાં સંભવિત ગ્રાહકોના વિવિધ સમૂહનો સમાવેશ થાય છે. અમે 100 લોકોનો ઉપયોગ કરીએ છીએ, જે વય અને વંશીયતાની શ્રેણીમાં ફેલાયેલી છે. આ અભિગમ દુકાનદારોની વસ્તીનું વધુ પ્રતિનિધિત્વ કરે છે.
વર્ષોથી, છોડના સંવર્ધકો અને આનુવંશિકશાસ્ત્રીઓએ ખેડૂતોને ઉચ્ચ ઉપજ મેળવવામાં મદદ કરી કારણ કે સ્વાદ જેવા ગ્રાહક લક્ષી લક્ષણો માપવા મુશ્કેલ છે. જો કે, ઉચ્ચ ઉપજ ઉત્પાદકો માટે આજકાલની માંગવાળા બજારોમાં સ્પર્ધા કરવા માટે પૂરતી નથી, એમ બ્લુબેરી સંવર્ધન કાર્યક્રમના ઈન્ચાર્જ UF/IFAS બાગાયત વિજ્ઞાનના સહયોગી પ્રોફેસર પેટ્રિસિયો મુનોઝે જણાવ્યું હતું.
ઉત્પાદકો જાણે છે કે જો તેઓ સારા સ્વાદવાળી જાતોનો સમાવેશ કરતા નથી, તો તેમના ફળ કદાચ સારી કિંમતે વેચી શકશે નહીં અથવા બિલકુલ વેચશે નહીં, એમ મુનોઝે જણાવ્યું હતું. આ પદ્ધતિઓ વડે, વૈજ્ઞાનિકો ઉત્પાદકોને સ્પર્ધાત્મક રહેવામાં મદદ કરશે અને ગ્રાહકોને તેમના ઉત્પાદનનો વધુ સારો અનુભવ મળશે તેવી આશા છે.
આ મોડેલોનો ઉપયોગ કરીને, એક સંવર્ધન કાર્યક્રમ ઘણી ફળો અને શાકભાજીની જાતો માટે સ્વાદના રેટિંગનું મૂલ્યાંકન કરી શકે છે. આ પ્રક્રિયા અગાઉ એ હકીકત દ્વારા મર્યાદિત હતી કે ન તો વૈજ્ઞાનિકો અને ન તો ગ્રાહક પેનલ એક સાથે ઘણી બધી જાતોનું પરીક્ષણ કરી શકે છે.
રેસેન્ડે નવા સંશોધનનું નેતૃત્વ કર્યું જે બ્લૂબેરી અને ટામેટાંમાંના અસ્થિર પદાર્થોમાંથી આંકડાકીય મોડેલમાં ડેટા મેળવવાની રીતો દર્શાવે છે. સંશોધનના તારણો હવે તે બે ફળો પૂરતા મર્યાદિત છે પરંતુ પછીથી UF/IFAS સંશોધકો દ્વારા વિકસિત અન્ય પાકો સુધી વિસ્તરણ કરવામાં આવશે.
તેમનો નવો અભ્યાસ કરવા માટે, UF/IFAS સંશોધકોએ છેલ્લા દાયકાના ટામેટા અને બ્લુબેરી સંવર્ધન પ્રોગ્રામ ડેટાનો ઉપયોગ કર્યો.
તેઓએ ગ્રાહક પેનલને ટામેટા અને બ્લુબેરીની વિવિધ જાતોનો સમૂહ આપ્યો ગેઇન્સવિલેમાં યુએફ સેન્સરી લેબ. ત્યારબાદ વૈજ્ઞાનિકોએ સ્વાદના લક્ષણો જેમ કે “પસંદગી”, મીઠાશ, ખાટા, સ્વાદની તીવ્રતા અને ઉમામી પર રેટિંગ એકત્રિત કર્યું.
UF/IFAS સંશોધકોએ સ્કોર્સની શ્રેણીનું પરીક્ષણ કર્યું જે તેમને જણાવે છે કે ગ્રાહકને સ્વાદ કેટલો પસંદ છે. જેમ જેમ તે બહાર આવ્યું છે, વોલેટાઇલ્સે "લાઇક" સ્કોર્સના 56% સુધી સમજાવ્યું છે, જે પુરાવાને મજબૂત બનાવે છે કે ગ્રાહકોને ફળ કેટલું પસંદ છે તે નક્કી કરવામાં અસ્થિરતા મહત્વપૂર્ણ છે. રિસેન્ડે જણાવ્યું હતું કે, ફળોના સ્વાદના મહત્વને માપવા અને તેનો અંદાજ કાઢવામાં પણ અસ્થિરતા મહત્વપૂર્ણ છે.
વધુમાં, સંશોધકોએ દર્શાવ્યું હતું કે મશીન-લર્નિંગ અભિગમો સામાન્ય રીતે ઉપભોક્તા સ્વાદ પસંદગીઓના શ્રેષ્ઠ અનુમાનો છે, જેને મેટાબોલિક પસંદગી કહેવાય છે. મેટાબોલિક પસંદગીની સચોટતા એ મોડેલો કરતાં ચડિયાતી છે જે તેના બદલે જીનોમિક ડેટાનો ઉપયોગ કરે છે, જે સંવર્ધન કાર્યક્રમોમાં આ નવી પદ્ધતિની સંભવિતતાને પ્રકાશિત કરે છે.
"મને લાગે છે કે મુખ્ય મુદ્દો એ છે કે સંવર્ધકો મોટી સંખ્યામાં નમૂનાઓનું સ્ક્રીનીંગ કરી શકે છે," રેસેન્ડે જણાવ્યું હતું કે, બાગાયતી વિજ્ઞાનના UF/IFAS સહાયક પ્રોફેસર. “આ રીતે, તમારી પાસે સારી-સ્વાદની જાતોને ઓળખવા માટે એક વિશાળ ફનલ છે, અને એક તબક્કે, સ્વાદ-પરીક્ષણ પેનલ્સ સંવેદનાત્મક ડેટા સાથે અંતિમ પસંદગી કરે છે. અમે અપેક્ષા રાખીએ છીએ કે આ મોડેલો સંવર્ધન લક્ષ્ય તરીકે સ્વાદના અગાઉના સમાવેશને સક્ષમ કરશે અને વધુ સ્વાદિષ્ટ ફળોની જાતોની પસંદગી અને પ્રકાશનને પ્રોત્સાહિત કરશે."
રેસેન્ડે ઉપરાંત, સ્વાદ-પરીક્ષણની કોમ્પ્યુટર મોડલ પદ્ધતિની તપાસ કરનાર અન્ય UF/IFAS ફેકલ્ટીઓમાં ક્લી, મુનોઝ અને ડેનિસ ટાઈમેન, સંશોધન સહાયક પ્રોફેસર હતા - આ ત્રણેય બાગાયતી વિજ્ઞાન વિભાગમાં; ચાર્લી સિમ્સ, ખાદ્ય વિજ્ઞાન અને માનવ પોષણના પ્રોફેસર અને નિકોલે બ્લિઝન્યુક, કૃષિ અને જૈવિક એન્જિનિયરિંગના સહયોગી પ્રોફેસર. કૃતિ પણ પીએચ.ડી. દ્વારા પ્રથમ-લેખિત છે. વિદ્યાર્થી વિન્સેન્ટ કોલાંટોનિયો અને સંશોધન સહાયક વૈજ્ઞાનિક લુઈસ ફેલિપ ફેરાઓ.
એક વિડિઓ માટે નીચે ક્લિક કરો જેમાં રેસેન્ડે આ નવા AI સંશોધનને સમજાવે છે.
- બ્રાડ બક, ફ્લોરિડા યુનિવર્સિટી