دانشمندان MIT با بودجه ۵۳ میلیون دلاری به دنبال ساخت علف‌کش‌های جدید هستند

پژوهشگران مؤسسه فناوری ماساچوست قصد دارند از هوش مصنوعی مولد برای پیدا کردن نسل تازه‌ای از علف‌کش‌های کشاورزی استفاده کنند؛ ترکیباتی که بتوانند در برابر علف‌های هرز مقاوم به سموم رایج مؤثر باشند و در عین حال، هنگام طراحی آن‌ها خطرات احتمالی برای انسان و محیط‌زیست از همان مراحل ابتدایی بررسی شود. این برنامه پژوهشی که PLOW نام دارد، با حمایت مالی آژانس پروژه‌های پژوهشی پیشرفته سلامت آمریکا یا ARPA-H اجرا خواهد شد.

براساس اطلاعیه MIT در ۱۰ نوامبر ۲۰۲۶، بودجه پیش‌بینی‌شده برای این برنامه می‌تواند به ۵۳ میلیون دلار برسد. در پروژه جدید، متخصصان هوش مصنوعی، مهندسی زیستی، شیمی، کشاورزی و زیست‌شناسی مولکولی با یکدیگر همکاری می‌کنند تا گزینه‌هایی متفاوت از علف‌کش‌های متداول پیدا کنند.

هدف فقط تولید یک ترکیب شیمیایی تازه نیست. پژوهشگران می‌خواهند سامانه‌ای توسعه دهند که میلیاردها ساختار مولکولی احتمالی را بررسی کند، گزینه‌های امیدوارکننده را برای آزمایش انتخاب کند و از نتایج آزمایشگاهی برای بهبود مدل‌های هوش مصنوعی استفاده کند.

بخش دیگری از طرح نیز به توسعه میکروارگانیسم‌هایی اختصاص دارد که بتوانند برخی ترکیبات شیمیایی کشاورزی را پیش از رسیدن به منابع آب و محیط اطراف تجزیه کنند.

البته تمام این موارد برنامه‌های پژوهشی هستند. هنوز هیچ علف‌کش جدیدی در چارچوب PLOW تأیید نشده و مشخص نیست چه تعداد از ترکیبات پیشنهادی در آزمایش‌های واقعی عملکرد مطلوبی خواهند داشت.

چرا کشاورزی به علف‌کش‌های تازه نیاز دارد؟

علف‌های هرز از رقبای اصلی گیاهان زراعی در دسترسی به آب، نور و مواد غذایی خاک هستند. اگر رشد آن‌ها کنترل نشود، ممکن است محصول نهایی کاهش پیدا کند یا هزینه برداشت افزایش یابد.

برای مثال، در مزرعه‌ای که ذرت یا سویا کشت شده است، علف‌های هرز می‌توانند بخشی از منابع موردنیاز محصول اصلی را مصرف کنند.

کشاورزان برای کنترل این گیاهان از روش‌های مختلفی استفاده می‌کنند؛ از مدیریت تناوب کشت و روش‌های مکانیکی گرفته تا استفاده از علف‌کش‌های شیمیایی.

علف‌کش‌ها در بسیاری از سامانه‌های کشاورزی نقش مهمی دارند، اما استفاده مکرر از یک ماده می‌تواند مشکل تازه‌ای ایجاد کند.

در یک جمعیت بزرگ از علف‌های هرز، ممکن است بعضی گیاهان به‌طور طبیعی ویژگی‌هایی داشته باشند که آن‌ها را در برابر ماده مشخصی مقاوم‌تر کند.

اگر یک علف‌کش برای سال‌های طولانی استفاده شود، گیاهان حساس از بین می‌روند و افراد مقاوم فرصت بیشتری برای زنده ماندن و تکثیر پیدا می‌کنند.

به‌مرور، کنترل همان جمعیت با ماده قبلی دشوارتر می‌شود.

پژوهشگران MIT معتقدند برای جلوگیری از افزایش این مشکل باید گزینه‌های جدیدی با روش‌های اثرگذاری مناسب توسعه پیدا کنند.

مقاومت علف‌های هرز چگونه شکل می‌گیرد؟

مقاومت به علف‌کش به معنی آن نیست که گیاه ناگهان تصمیم می‌گیرد در برابر ماده شیمیایی مقاوم شود.

این پدیده با تغییرات ژنتیکی و انتخاب طبیعی ارتباط دارد.

برای مثال، ممکن است علف‌کشی با اثر گذاشتن بر یک آنزیم مشخص، رشد گیاه را متوقف کند.

اگر در بعضی گیاهان تغییر ژنتیکی باعث شود شکل آنزیم کمی متفاوت باشد، احتمال دارد ماده نتواند مانند گذشته به هدف خود متصل شود.

چنین گیاهانی ممکن است در شرایط استفاده از علف‌کش زنده بمانند.

وقتی این اتفاق در نسل‌های متعدد تکرار شود، سهم گیاهان مقاوم در جمعیت افزایش پیدا می‌کند.

البته مقاومت فقط از طریق تغییر محل اتصال ماده به آنزیم ایجاد نمی‌شود.

بعضی گیاهان می‌توانند ماده شیمیایی را سریع‌تر تجزیه کنند یا از رسیدن مقدار مؤثر آن به محل هدف جلوگیری کنند.

این تنوع باعث می‌شود کنترل مقاومت به یک راه‌حل ساده محدود نباشد.

پروژه PLOW تلاش می‌کند هنگام طراحی ترکیبات جدید، احتمال شکل‌گیری مقاومت را نیز به‌عنوان یکی از معیارهای انتخاب در نظر بگیرد.

هوش مصنوعی قرار است چه چیزی را طراحی کند؟

در این پروژه، هوش مصنوعی برای پیشنهاد ساختارهای مولکولی استفاده خواهد شد.

مدل‌های مولد می‌توانند براساس اطلاعات موجود و قواعد شیمیایی، گزینه‌هایی برای مولکول‌های جدید پیشنهاد دهند.

اما برخلاف کاربردهای عمومی هوش مصنوعی که خروجی آن‌ها متن یا تصویر است، در اینجا خروجی می‌تواند ساختار یک ترکیب شیمیایی احتمالی باشد.

پژوهشگران باید بررسی کنند آیا مولکول پیشنهادی از نظر شیمیایی قابل ساخت است و آیا احتمال دارد با هدف زیستی موردنظر برهم‌کنش داشته باشد یا خیر.

MIT اعلام کرده مدل‌ها قرار است میلیاردها گزینه احتمالی را بررسی یا تولید کنند.

این عدد به معنی ساخته شدن میلیاردها نمونه فیزیکی در آزمایشگاه نیست.

بخش عمده بررسی اولیه در محیط محاسباتی انجام خواهد شد و فقط گروهی از گزینه‌های منتخب به آزمایش‌های بعدی راه پیدا می‌کنند.

پژوهشگران همچنین می‌خواهند هزینه ساخت و خطرات احتمالی را در فرایند انتخاب لحاظ کنند.

بنابراین هدف فقط پیدا کردن ماده‌ای با قدرت بیشتر در از بین بردن علف‌های هرز نیست؛ بلکه یافتن ترکیبی با مجموعه‌ای از ویژگی‌های مناسب است.

آنزیم EPSP synthase چه نقشی دارد؟

یکی از اهداف زیستی مهم پروژه، آنزیمی به نام EPSP synthase است.

این آنزیم در مسیر تولید بعضی اسیدهای آمینه ضروری در گیاهان نقش دارد.

اسیدهای آمینه از اجزای سازنده پروتئین‌ها هستند و برای فعالیت طبیعی سلول اهمیت دارند.

علف‌کش شناخته‌شده گلیفوسات با مختل کردن عملکرد این آنزیم، تولید برخی ترکیبات ضروری برای رشد گیاه را تحت تأثیر قرار می‌دهد.

وقتی فعالیت این مسیر زیستی مختل شود، گیاه نمی‌تواند مانند گذشته رشد کند.

اما در بعضی علف‌های هرز، تغییرات ژنتیکی باعث شده اثرگذاری گلیفوسات کاهش پیدا کند.

پژوهشگران PLOW می‌خواهند مولکول‌هایی پیدا کنند که بتوانند بر اهداف مرتبط اثر بگذارند و در عین حال، مشکلات برخی ترکیبات رایج را نداشته باشند.

با این حال، پیدا کردن ماده‌ای که در محیط رایانه به یک آنزیم متصل می‌شود، به معنی عملکرد قطعی آن در مزرعه نیست.

ماده باید بتواند به بافت مناسب گیاه برسد، در شرایط محیطی پایدار باشد و اثر مطلوب ایجاد کند.

آیا پروژه فقط روی مواد شیمیایی تمرکز دارد؟

خیر. یکی از ویژگی‌های طرح PLOW بررسی دو مسیر متفاوت برای مقابله با علف‌های هرز است.

مسیر نخست طراحی ترکیبات شیمیایی کوچک است.

این ترکیبات ممکن است با بخش‌های مشخصی از سامانه زیستی گیاه تعامل داشته باشند و رشد آن را مختل کنند.

مسیر دوم استفاده از مولکول‌های RNA مداخله‌گر کوچک یا siRNA است.

siRNA می‌تواند در بعضی شرایط برای کاهش فعالیت یک ژن هدف به کار رود.

ایده اصلی این است که به‌جای اثرگذاری مستقیم یک ماده شیمیایی متداول بر آنزیم، از سازوکاری مرتبط با تنظیم بیان ژن استفاده شود.

البته استفاده از RNA در محیط کشاورزی چالش‌های مخصوص خود را دارد.

این مولکول‌ها باید به محل مناسب برسند و در برابر شرایط محیطی به‌اندازه کافی پایدار باشند.

همچنین لازم است اثر آن‌ها بر گیاه هدف و موجودات دیگر بررسی شود.

MIT اعلام کرده این مسیر نیز بخشی از برنامه پژوهشی است، نه فناوری تجاری آماده عرضه.

تفاوت siRNA با تغییر ژنتیکی گیاه چیست؟

عبارت RNA مداخله‌گر ممکن است با فناوری‌های اصلاح ژنتیکی اشتباه گرفته شود، اما این مفاهیم دقیقاً یکسان نیستند.

در بعضی روش‌های RNA interference، هدف کاهش فعالیت یک پیام ژنتیکی مشخص در سلول است.

این کار الزاماً به معنی تغییر دائمی توالی DNA موجود زنده نیست.

برای مثال، اگر مولکولی بتواند فعالیت پیام مربوط به یک پروتئین ضروری را کاهش دهد، ممکن است بر رشد گیاه تأثیر بگذارد.

با این حال، نحوه رساندن مولکول به سلول‌ها و مدت باقی ماندن اثر از مسائل مهم فنی هستند.

همچنین باید بررسی شود مولکول طراحی‌شده به‌طور ناخواسته روی گونه‌های دیگر اثر نمی‌گذارد.

پژوهشگران هنوز نوع دقیق و فرمول نهایی محصولات احتمالی مبتنی بر RNA را اعلام نکرده‌اند.

بنابراین نمی‌توان نتیجه گرفت چنین موادی از همین حالا برای مصرف کشاورزی آماده‌اند.

در صورت موفقیت، آن‌ها نیز باید مراحل ارزیابی ایمنی و دریافت مجوزهای مربوط را پشت سر بگذارند.

چرا سلامت انسان از ابتدا وارد طراحی می‌شود؟

یکی از تفاوت‌های هدف‌گذاری‌شده پروژه، توجه هم‌زمان به اثرگذاری کشاورزی و پیامدهای احتمالی برای سلامت است.

بعضی مواد شیمیایی کشاورزی ممکن است بسته به نوع ماده، مقدار مواجهه و شرایط استفاده، خطراتی برای انسان ایجاد کنند.

کارگران کشاورزی ممکن است هنگام آماده‌سازی یا استفاده از محصولات شیمیایی در معرض تماس مستقیم قرار بگیرند.

همچنین باقی‌مانده بعضی ترکیبات می‌تواند از مسیرهای دیگری مانند آب یا مواد غذایی مطرح شود.

البته ارزیابی خطر باید برای هر ترکیب به‌صورت جداگانه و براساس شواهد علمی انجام شود.

نمی‌توان تمام علف‌کش‌ها را از نظر خطرات سلامتی یکسان دانست.

در PLOW، پژوهشگران می‌خواهند ویژگی‌های مرتبط با خطر احتمالی برای انسان و محیط‌زیست در مرحله انتخاب مولکول‌ها بررسی شود.

این روش ممکن است باعث شود ترکیبات نامناسب زودتر از فرایند توسعه کنار گذاشته شوند.

اما پیش‌بینی رایانه‌ای به‌تنهایی اثبات نمی‌کند یک ماده برای انسان بی‌خطر است.

برای چنین نتیجه‌ای به آزمایش‌های دقیق سم‌شناسی و ارزیابی قانونی نیاز خواهد بود.

سه گروه پژوهشی چگونه با هم کار می‌کنند؟

MIT اعلام کرده ساختار پروژه PLOW بر سه گروه اصلی استوار است.

گروه نخست مسئول توسعه مدل‌های هوش مصنوعی و طراحی مولکول‌ها خواهد بود.

این بخش تلاش می‌کند گزینه‌هایی را پیشنهاد دهد که احتمال اثرگذاری مناسب داشته باشند.

گروه دوم وظیفه بررسی آزمایشگاهی گزینه‌های منتخب را برعهده دارد.

برای مثال، اگر مدل مولکولی را پیشنهاد کند، پژوهشگران باید بررسی کنند آیا آن مولکول در شرایط آزمایش عملکرد موردنظر را دارد یا خیر.

داده‌های حاصل دوباره به بخش محاسباتی بازگردانده می‌شوند.

گروه سوم به آزمایش گزینه‌های امیدوارکننده در شرایط نزدیک‌تر به کشاورزی واقعی، از جمله گلخانه، می‌پردازد.

چنین ساختاری امکان ایجاد چرخه‌ای میان پیش‌بینی، آزمایش و اصلاح مدل را فراهم می‌کند.

هدف آن است که هر مرحله از پژوهش به بهبود مرحله دیگر کمک کند.

اما سرعت موفقیت این چرخه به کیفیت مدل‌ها و نتایج واقعی آزمایش‌ها بستگی خواهد داشت.

چه کسانی مدل‌های هوش مصنوعی را توسعه می‌دهند؟

گروه طراحی محاسباتی با مشارکت چند پژوهشگر شناخته‌شده فعالیت خواهد کرد.

کانر کولی، استاد مهندسی شیمی MIT، یکی از مسئولان این بخش است.

رجینا برزیلای، استاد هوش مصنوعی و سلامت در MIT، نیز در این گروه حضور دارد.

الکساندر تروپشا از دانشگاه کارولینای شمالی در چپل هیل از دیگر مسئولان توسعه مدل‌هاست.

این گروه قرار است روش‌هایی برای تولید و ارزیابی ساختارهای مولکولی طراحی کند.

برای مثال، مدل می‌تواند هنگام پیشنهاد مولکول، ویژگی‌هایی مانند دشواری ساخت یا احتمال اثرگذاری بر هدف زیستی را در نظر بگیرد.

همچنین پژوهشگران می‌خواهند از داده‌های آزمایشگاهی برای اصلاح پیش‌بینی‌های مدل استفاده کنند.

با این حال، معرفی نام پژوهشگران و برنامه علمی به معنی دستیابی قبلی به ترکیب موفق نیست.

آنچه اکنون آغاز شده، یک طرح تحقیقاتی با اهداف مشخص است.

نتایج واقعی باید در مراحل بعدی منتشر شوند.

آزمایشگاه چگونه گزینه‌های هوش مصنوعی را بررسی می‌کند؟

پیشنهاد یک مولکول توسط مدل محاسباتی فقط آغاز کار است.

پژوهشگران باید مشخص کنند ترکیب پیشنهادی واقعاً چه رفتاری دارد.

برای این منظور، پروژه از روش غربالگری با توان بالا یا High-Throughput Screening استفاده خواهد کرد.

در چنین روش‌هایی، می‌توان تعداد زیادی نمونه را با سامانه‌های آزمایشگاهی و تجهیزات خودکار بررسی کرد.

هدف آن است که از میان گزینه‌های متعدد، ترکیبات امیدوارکننده انتخاب شوند.

آنجلا کوهلر از MIT و جیمی چیا از مؤسسه Broad در رهبری این بخش مشارکت خواهند داشت.

اطلاعاتی که این گروه جمع‌آوری می‌کند می‌تواند برای ارزیابی دقت مدل‌های هوش مصنوعی استفاده شود.

برای مثال، ممکن است مدلی اثرگذاری یک مولکول را بالا پیش‌بینی کرده باشد، اما آزمایش نتیجه متفاوتی نشان دهد.

چنین اختلافی به پژوهشگران کمک می‌کند محدودیت‌های مدل را شناسایی کنند.

بنابراین آزمایشگاه در پروژه نقش تأییدکننده واقعی دارد و صرفاً مرحله‌ای تشریفاتی پس از طراحی رایانه‌ای نیست.

چه زمانی اولین آزمایش‌های گلخانه‌ای انجام می‌شود؟

پس از انتخاب گزینه‌های امیدوارکننده، نوبت به آزمایش آن‌ها روی گیاهان می‌رسد.

MIT اعلام کرده نخستین آزمایش‌های گلخانه‌ای گزینه‌های اولیه مبتنی بر RNA interference برای پایان سال نخست برنامه پیش‌بینی شده‌اند.

این زمان‌بندی به معنی آن نیست که محصول تا آن تاریخ وارد بازار خواهد شد.

گلخانه محیطی کنترل‌شده‌تر از مزرعه واقعی است.

پژوهشگران می‌توانند در آن شرایطی مانند نور، دما و نوع گیاه را با دقت بیشتری مدیریت کنند.

اما عملکرد یک ماده در گلخانه ممکن است با نتیجه آن در فضای باز متفاوت باشد.

برای مثال، بارندگی، تابش خورشید، خاک و شرایط اقلیمی می‌توانند بر پایداری و اثرگذاری ترکیب تأثیر بگذارند.

در مرحله بعد، ممکن است انجام آزمایش‌های میدانی و بررسی‌های قانونی نیز ضروری باشد.

بنابراین پایان سال نخست فقط یکی از نقاط برنامه‌ریزی‌شده برای ارزیابی اولیه است.

هنوز تاریخ قطعی عرضه محصول تجاری اعلام نشده است.

آیا این فناوری وابستگی آمریکا به واردات را کاهش می‌دهد؟

یکی دیگر از اهداف مطرح‌شده در خبر MIT به زنجیره تأمین مواد اولیه مربوط است.

کریستوفر وویت، مدیر گروه مهندسی زیستی MIT و پژوهشگر اصلی پروژه، درباره وابستگی تولید بعضی علف‌کش‌ها به مواد اولیه وارداتی هشدار داده است.

برای مثال، فسفر یکی از عناصر مهم در تولید گلیفوسات است.

اگر تولید یک ماده پرمصرف به زنجیره تأمین محدودی وابسته باشد، اختلال در دسترسی به مواد اولیه می‌تواند بر هزینه و استمرار تولید تأثیر بگذارد.

پژوهشگران امیدوارند ترکیبات جدیدی پیدا کنند که تولید آن‌ها از نظر تأمین مواد اولیه انعطاف بیشتری داشته باشد.

با این حال، طراحی یک مولکول جدید به‌تنهایی استقلال زنجیره تأمین را تضمین نمی‌کند.

مواد اولیه جایگزین نیز ممکن است به واردات وابسته باشند.

همچنین تولید صنعتی یک ترکیب باید از نظر هزینه و ظرفیت کارخانه‌ها ارزیابی شود.

بنابراین کاهش وابستگی به واردات، یکی از اهداف راهبردی پروژه است که تحقق آن به نتایج پژوهشی و اقتصادی آینده بستگی دارد.

باکتری‌ها چه نقشی در پاک‌سازی باقی‌مانده مواد دارند؟

پروژه PLOW فقط به پیدا کردن علف‌کش جدید محدود نمی‌شود.

پژوهشگران قصد دارند سامانه‌های زیستی زنده‌ای توسعه دهند که بتوانند برخی ترکیبات شیمیایی کشاورزی را تجزیه کنند.

در این بخش، استفاده از باکتری‌ها و قارچ‌های مهندسی‌شده مطرح شده است.

ایده آن است که موجودات میکروسکوپی مناسب بتوانند بعضی ترکیبات را پیش از رسیدن به منابع آب یا محیط اطراف به مواد دیگری تبدیل کنند.

این رویکرد با مفهومی به نام زیست‌پالایی ارتباط دارد.

زیست‌پالایی به استفاده از فرایندهای زیستی برای کاهش یا تغییر آلاینده‌ها گفته می‌شود.

اما توسعه چنین سامانه‌ای به بررسی دقیق نیاز دارد.

برای مثال، لازم است مشخص شود محصول نهایی تجزیه از نظر زیست‌محیطی چه ویژگی‌هایی دارد.

همچنین اگر از موجودات مهندسی‌شده استفاده شود، نحوه کنترل و جلوگیری از انتشار ناخواسته آن‌ها اهمیت خواهد داشت.

MIT هنوز نتایج آزمایش عملی این بخش را منتشر نکرده است.

بنابراین استفاده از میکروارگانیسم‌ها فعلاً یکی از مسیرهای پژوهشی برنامه است.

چرا بودجه پروژه از یک آژانس سلامت تأمین می‌شود؟

در نگاه اول ممکن است عجیب به نظر برسد که یک پروژه مربوط به علف‌کش‌های کشاورزی از سوی نهادی با تمرکز بر سلامت انسان حمایت شود.

اما اثرات احتمالی مواد شیمیایی کشاورزی بر سلامت یکی از دلایل این ارتباط است.

آژانس ARPA-H برای حمایت از پژوهش‌های پیشرفته و پرریسک در حوزه سلامت فعالیت می‌کند.

برنامه STREAM نیز با هدف بررسی راهکارهایی برای مدیریت بهتر مواد مورد استفاده در کشاورزی تعریف شده است.

در این چارچوب، امنیت تولید غذا و کاهش مواجهه احتمالی انسان با ترکیبات نامناسب به یکدیگر ارتباط پیدا می‌کنند.

اگر بتوان روش‌های کنترل علف هرز را بهبود داد و هم‌زمان خطرات احتمالی را کاهش داد، ممکن است هم بخش کشاورزی و هم سلامت عمومی از نتایج بهره ببرند.

با این حال، دریافت حمایت مالی از یک نهاد پژوهشی به معنی تأیید علمی تمام اهداف پروژه نیست.

بودجه برای انجام آزمایش‌ها و بررسی امکان تحقق این اهداف در نظر گرفته شده است.

آیا ۵۳ میلیون دلار کاملاً پرداخت شده است؟

در اطلاعیه رسمی MIT عبارت «تا سقف ۵۳ میلیون دلار» استفاده شده است.

این عبارت اهمیت دارد، زیرا در برنامه‌های پژوهشی بزرگ، مبلغ نهایی ممکن است به مراحل قرارداد، تحقق اهداف و شرایط تأمین مالی وابسته باشد.

بنابراین نباید نوشت که تمام ۵۳ میلیون دلار در یک مرحله به حساب پژوهشگران واریز شده است.

اطلاعیه درباره ارزش احتمالی حمایت مالی برنامه صحبت می‌کند.

این منابع قرار است صرف فعالیت‌های پژوهشی، توسعه مدل‌ها، آزمایش‌های آزمایشگاهی و بررسی گزینه‌های منتخب شوند.

همچنین پروژه شامل همکاری چند دانشگاه و مجموعه پژوهشی است.

از جمله مؤسسات مشارکت‌کننده می‌توان به مؤسسه Broad، دانشگاه تنسی، دانشگاه ایلینوی و دانشگاه کارولینای شمالی اشاره کرد.

شرکت Robigo نیز در این برنامه حضور دارد.

این تنوع نشان می‌دهد طرح فقط به توسعه یک مدل نرم‌افزاری در MIT محدود نیست.

آیا علف‌کش‌های طراحی‌شده با هوش مصنوعی قطعاً ایمن‌ترند؟

یکی از اشتباهات رایج درباره کاربرد هوش مصنوعی در طراحی مواد این است که خروجی مدل به‌صورت خودکار بهتر یا ایمن‌تر از محصولات موجود فرض شود.

اما یک مولکول تازه ممکن است ویژگی‌هایی داشته باشد که در مرحله پیش‌بینی کاملاً مشخص نباشند.

برای مثال، ماده‌ای که در آزمایش اولیه روی علف هرز مؤثر است ممکن است بر موجودات دیگر نیز اثر بگذارد.

همچنین احتمال دارد ترکیب هنگام تجزیه، موادی تولید کند که به بررسی جداگانه نیاز داشته باشند.

به همین دلیل، پژوهشگران باید اثرات احتمالی بر سلامت انسان و محیط‌زیست را در مراحل مختلف بررسی کنند.

هوش مصنوعی می‌تواند به انتخاب گزینه‌های امیدوارکننده کمک کند، اما جایگزین آزمایش‌های زیستی و سم‌شناسی نیست.

حتی پس از موفقیت در آزمایشگاه و گلخانه نیز ممکن است به ارزیابی‌های قانونی گسترده نیاز باشد.

بنابراین «طراحی با هوش مصنوعی» یک روش پژوهشی است، نه گواهی ایمنی محصول.

هدف PLOW پیدا کردن گزینه‌های کم‌خطرتر است و هنوز نتیجه قطعی این تلاش مشخص نشده است.

چه زمانی کشاورزان می‌توانند از نتیجه پروژه استفاده کنند؟

در حال حاضر زمان مشخصی برای عرضه علف‌کش‌های احتمالی PLOW اعلام نشده است.

دلیل آن روشن است: پژوهشگران هنوز در آغاز مسیر طراحی و آزمایش قرار دارند.

ابتدا باید مدل‌های هوش مصنوعی توسعه پیدا کنند.

سپس ترکیبات پیشنهادی در آزمایشگاه بررسی شوند.

گزینه‌های امیدوارکننده وارد آزمایش گلخانه‌ای می‌شوند و در صورت موفقیت، ممکن است مراحل بیشتری برای بررسی کارایی و ایمنی در شرایط مزرعه لازم باشد.

پس از آن، تولید صنعتی و اخذ مجوزهای قانونی مطرح خواهد شد.

ممکن است بعضی گزینه‌ها در مراحل اولیه کنار گذاشته شوند و بعضی دیگر به اصلاح بیشتری نیاز پیدا کنند.

بنابراین نمی‌توان از بودجه ۵۳ میلیون دلاری نتیجه گرفت که کشاورزان در سال آینده محصول جدیدی در اختیار خواهند داشت.

آنچه اکنون تأیید شده آغاز یک برنامه پژوهشی گسترده برای توسعه نسل بعدی راهکارهای کنترل علف هرز است.

آینده طراحی مواد کشاورزی با هوش مصنوعی

پروژه جدید MIT نمونه‌ای از گسترش هوش مصنوعی از تولید متن و تصویر به طراحی مواد و ترکیبات کاربردی است.

در چنین پژوهش‌هایی، مدل‌های محاسباتی می‌توانند فضای بزرگی از گزینه‌های احتمالی را بررسی کنند؛ فضایی که آزمایش تک‌تک مولکول‌های آن در محیط فیزیکی بسیار دشوار است.

اما مزیت اصلی زمانی ایجاد می‌شود که پیش‌بینی‌ها با داده‌های واقعی آزمایشگاهی ترکیب شوند.

اگر چرخه طراحی، آزمایش و اصلاح مدل به‌خوبی عمل کند، ممکن است انتخاب گزینه‌های مناسب سریع‌تر و هدفمندتر شود.

با این حال، پیچیدگی سامانه‌های زیستی باعث می‌شود نتیجه قطعی همچنان به آزمایش وابسته باشد.

پژوهشگران PLOW می‌خواهند نه‌تنها مولکول‌های تازه‌ای برای کنترل علف‌های هرز پیدا کنند، بلکه از همان مرحله طراحی عواملی مانند احتمال مقاومت، هزینه تولید و خطرات احتمالی را در نظر بگیرند.

در کنار این هدف، توسعه روش‌های زیستی برای تجزیه باقی‌مانده مواد کشاورزی نیز دنبال خواهد شد.

خبر ۱۰ نوامبر ۲۰۲۶ آغاز این تلاش با حمایت مالی تا سقف ۵۳ میلیون دلار را تأیید می‌کند.

اگر پروژه در سال‌های آینده موفق شود، ممکن است ابزارهای تازه‌ای برای مقابله با علف‌های هرز مقاوم در اختیار کشاورزی قرار دهد؛ اما فعلاً مهم‌ترین دستاورد، شکل‌گیری یک برنامه پژوهشی چندرشته‌ای است، نه معرفی علف‌کشی که اثربخشی و ایمنی آن در مزرعه اثبات شده باشد.

 

مشاهده بیشتر

نوشته های مشابه

دکمه بازگشت به بالا