人工智能工具和打算技能的进步供应了对植物及其与天下相互浸染的更详细的视图，这可以帮助育种者开拓出更具弹性的作物，并帮助农业研究职员方案出截然不同的未来。

不断增长的人口须要用更少的地皮来养活——而这统统都面临着来自土壤退化、害虫、疾病和气候变革的压力。
剑桥大学植物生物学教授杰克·哈里斯说：“这些都是巨大的寻衅，我们正考试测验从盛行病学到分子等多个不同层面加以办理，而人工智能将供应全方位的帮助。
”

人工智能算法对植物科学来说并不新鲜。
机器人在野外里漫游并拍摄植物的照片，利用人工智能深度学习方法检测疾病和剖析植物的不同属性，努力为农业带来精确、同等的数据网络效果。
机器学习算法剖析植物的特性并预测哪些基因组合将产生具有所需特性的植物——常日旨在抵抗干旱或疾病，同时不会降落作物的产量。

基于人工智能的新工具使研究职员能够揭示植物生物学内部运作的奥秘，而这些运作原来隐蔽在繁芜的分子相互浸染网络中。
带领着人工智能蛋白质构造预测器AlphaFold的团队的谷歌DeepMind研究员约翰·乔普表示：“大规模进行植物构造生物学研究在经济上不可行。
”

一篇论文创造，植物生物学模型物种拟南芥中已知不到2%的蛋白质构造，是人类蛋白质构造数量的10倍。
AlphaFold团队将植物蛋白质的覆盖率提高到60%以上，只管质量参差不齐。
哈里斯教授正在通过AlphaFold考试测验理解植物DNA在暴露于病原体、干旱和其他压力时发生的化学变革。
这些变革为植物下次受到压力时的反应存储了信息——但细胞如何做到这一点是“以前看不见的”细节。

人工智能在该领域的其他最新进展使植物学家能够超越植物的基因和蛋白质范畴，发掘与植物生产干系的其他关键成分，例如土壤、景象和农场管理实践。
肯塔基大学的研究职员报告称，他们利用机器学习算法根据土壤微生物组预测葡萄树的基因组成。
例如，可以判断一棵葡萄树是西拉还是赤霞珠。
这表明植物的基因会影响土壤中的微生物群，并且可以造就农作物成为有益微生物的更好宿主，从而减少栽种农作物所需的水或化学品量，研究报告的共同作者、肯塔基大学园艺学教授卡洛斯·罗德里格斯·洛佩兹如是说。

天生式人工智能算力硬件的进步正推动密歇根州立大学由农业工程教授丹尼尔·乌耶带领的研究，以构建苹果树的数字孪生。
该团队操持利用配备激光雷达的iPhone相机和其他传感器来网络树木在各种不同条件下成长的图像，包括温度和相对湿度，以“模拟树木的统统”，乌耶说。

终极的想法是，农人可以获取有关自己果园的数据，并利用数字重修的树木构建他们可以方案的作物未来景象和田间条件。
有关这些未来条件的数据的网络将利用天生式AI工具赞助完成。
乌耶认为几代人传承下来的农业知识正面临迅速发展的景象变革的寻衅。
研究职员的紧张目标是仿照全体果园，同时开拓工具来帮助农人如何利用好现有植物和作物的丰富信息。

但是，人工智能与植物生物学的领悟面临障碍，特殊是在可用数据及其质量方面。
与用于演习大模型AI的大量数字化文本语料库或基因组测序产生的大量生物数据不同，作物的不同物理方面的数字化图像存在缺失落。
想要找到既懂生物学又懂打算机科学的专家也很困难的，而且很难吸引人工智能科学家去从事植物科学研究。