استفاده از هوش مصنوعی برای افزایش اثربخشی اصلاح نباتات برای توسعه محصولات غذایی هوشمند مقاوم در برابر آب و هوا
نویسندگان
1 گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند.
2 پژوهشگر، گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند
doi
10.22103/jab.2024.23990.1598چکیده
هدف: کشت محصولات همیشه هدف اولیه عملیات کشاورزی است. با این حال، سیستمهای کشاورزی در سراسر جهان به دلیل تغییرات آب و هوایی و تعداد فزاینده افرادی که در سراسر جهان به غذا نیاز دارند، تحت فشار فزایندهای قرار دارند. مقابله با تغییرات اقلیمی، تولید محصولات بیشتر، حفاظت از محیط زیست، و سازگاری با شرایط متغیر برای اطمینان از ادامه رشد جمعیت جهان دشوار شده است. محصولات غذایی هوشمند مقاوم در برابر آب و هوا (CRSFC)، که بخش مهمی از حفظ محیط زیست در سطح جهانی است نیز برای کنترل خروجی زیست توده مورد نیاز است. انتخابهای خالص، انتخاب انبوه، اصلاح مجدد متقابل، انتخاب مکرر برای بهبود CRSFC کشاورزی محدود و زمان بر هستند. برای رشد انواع محصولات جدید و بهتر به فرآیندهای انتخاب دقیق نیاز است. نیاز فوری به تسریع فرآیند پرورش CRSFC با استفاده از هوش مصنوعی برای تکرار برخی از ویژگیهای هوش انسانی با استفاده از فناوری وجود دارد. هوش مصنوعی به دلیل آموزش شبکه عصبی و ماژول طبقه بندی، قابلیتهای محاسباتی قابل توجه و طیف گستردهای از ابزارها و روشهای جدید را برای اصلاح گیاهان (PB) ارائه میدهد. نتایج: این بررسی استفاده از فناوری هوش مصنوعی را در شیوههای اصلاحی فعلی برای رسیدگی به چالشها در فنوتیپسازی در مقیاس بزرگ و تجزیه و تحلیل عملکرد ژن مورد بحث قرار میدهد. الگوریتمهای هوش مصنوعی بررسی سریع دادههای ژنتیکی، یافتن روندهای پیچیده و ساخت مدلهای پیشبینیکننده را برای محققان آسان میکند که به اصلاح محصول و انتخاب سودمندترین ویژگیها کمک میکند. همچنین بررسی خواهد کرد که چگونه پیشرفتها در فناوریهای هوش مصنوعی با ترویج استفاده گسترده از اطلاعات محیطی، فرصتهای جدیدی را برای پرورش بعدی ایجاد میکنند. یافتن همبستگی ژن با صفت با روشهای اصلاحی که اکنون داریم دشوار است. این کار استفاده موثر از فنوتیپ، ژنومیک و محیط زیست با حجم بالا را دشوارتر میکند.نتیجه گیری: این مقاله استفاده از هوش مصنوعی را به عنوان روشی ارجح برای بهبود قابلیت اطمینان فنوتیپ، ژنوتیپ و اطلاعات محیطی با حجم بالا مورد بحث قرار میدهد. علاوه بر این، روشها و موانع در حال ظهور در ادغام دادههای محاسباتی مالتیاومیکس بزرگ را بررسی میکند. از این رو، ترکیب هوش مصنوعی با اومیکس ممکن است کشف سریع ژن را تسهیل کند و در نهایت ابتکارات بهبود کشاورزی را تسریع بخشد.
