Ingeniører ved Massachusetts Institute of Technology har udviklet en kunstigt intelligent”madcomputer”, der automatisk optimerer forhold, såsom fugtighed og lys, til at producere de ønskede kvaliteter i planter. I modsætning til andre lignende udviklinger er systemet open source, og ingeniører har sendt instruktioner om, hvordan de samles og konfigureres på egen hånd. En detaljeret beskrivelse og dokumentation er tilgængelig på MIT Media Labs websted, og Fast Company skriver også om det.
For at øge effektiviteten af voksende planter ved at reducere den plads, der kræves til dette, udvikles forskellige koncepter, såsom lodrette gårde og dyrkning i et kontrolleret miljø. I modsætning til konventionelt landbrug er planterne ikke oplyst af sollys, men af LED'er. Nogle prøver at tilpasse dem til masseudrulning og selvmontering.
MIT-ingeniører præsenterede en prototype af deres system tilbage i 2015 og kaldte det OpenAg. Prototypen bestod af en metalbeholder, inde i hvilken der var placeret sensorer, lysdioder, pumper til levering af vand og gødning og andre komponenter, der gjorde det muligt at ændre klimaet inde i containeren. De præsenterede også en mere massiv version, anbragt i en standard fragtcontainer og bestående af flere celler, i hvilke hver især separate betingelser blev opretholdt. Oprindeligt analyserede forskere uafhængigt dataene og valgte de bedste, efter deres mening, betingelser.
I midten af 2016 begyndte forskergruppen at samarbejde med et firma med kunstig intelligens. Målet med partnerskabet var at fremskynde og automatisere udvælgelsen af de nødvendige betingelser. Forskerne valgte basilikum som modelplante. Systemet analyserede løbende plantens tilstand fra de parallelle arbejdsceller og foretog justeringer af forholdene for dyrkning af den næste afgrøde.
Array af flere isolerede celler med forskellige forhold / Open Agriculture Initiative, MIT Media Lab (openag.mit.edu | CC-BY-SA 4.0)
Forskerne var i stand til at optimere algoritmen for at øge syntesen af specifikke molekyler, der er ansvarlige for smag i planten flere gange. I fremtiden planlægger de at træne systemet til at optimere forholdene til mange forskellige egenskaber, såsom smag, størrelse eller pris. Forskerne understreger, at deres system, i modsætning til andre kendte udviklinger på dette område, er helt åbent og tilgængeligt til selvkonstruktion eller modifikation.