Inżynierowie z Massachusetts Institute of Technology opracowali sztucznie inteligentny „komputer spożywczy”, który automatycznie optymalizuje warunki, takie jak wilgotność i światło, w celu uzyskania pożądanych właściwości roślin. W przeciwieństwie do innych podobnych rozwiązań, system jest open source, a inżynierowie opublikowali instrukcje dotyczące samodzielnego montażu i konfiguracji. Szczegółowy opis i dokumentacja są dostępne na stronie MIT Media Lab, o czym pisze również Fast Company.
Aby zwiększyć efektywność uprawy roślin poprzez zmniejszenie wymaganej do tego przestrzeni, opracowywane są różne koncepcje, takie jak uprawy wertykalne i hodowla w kontrolowanym środowisku. W przeciwieństwie do tradycyjnego rolnictwa rośliny nie są oświetlane światłem słonecznym, ale diodami LED. Niektórzy próbują przystosować je do masowej adopcji i samodzielnego montażu.
Inżynierowie MIT przedstawili prototyp swojego systemu w 2015 roku i nazwali go OpenAg. Prototyp składał się z metalowego pojemnika, wewnątrz którego znajdowały się czujniki, diody LED, pompy do dostarczania wody i nawozów oraz inne komponenty pozwalające na zmianę klimatu wewnątrz pojemnika. Zaprezentowali również bardziej masywną wersję, umieszczoną w standardowym kontenerze ładunkowym i składającą się z kilku cel, w każdej z których utrzymywano osobne warunki. Początkowo naukowcy samodzielnie przeanalizowali dane i wybrali najlepsze ich zdaniem warunki.
W połowie 2016 roku zespół badawczy rozpoczął współpracę z firmą zajmującą się sztuczną inteligencją. Celem partnerstwa było przyspieszenie i zautomatyzowanie doboru niezbędnych warunków. Naukowcy wybrali bazylię jako roślinę modelową. System w sposób ciągły analizował stan roślin z równoległych komórek i dostosowywał warunki uprawy następnej uprawy.
Tablica kilku izolowanych komórek z różnymi warunkami / Open Agriculture Initiative, MIT Media Lab (openag.mit.edu | CC-BY-SA 4.0)
Naukowcom udało się zoptymalizować algorytm, aby zwielokrotnić syntezę określonych cząsteczek w roślinie odpowiedzialnych za smak. W przyszłości planują nauczyć system, jak optymalizować warunki pod kątem wielu różnych cech, takich jak smak, rozmiar czy cena. Naukowcy szczególnie zauważają, że w przeciwieństwie do innych dobrze znanych osiągnięć w tej dziedzinie, ich system jest całkowicie otwarty i dostępny do samodzielnej konstrukcji lub modyfikacji.