di tugas secara otomatis. Dalam hal ini, para ilmuwan ingin mengajarkan mesin untuk mengidentifikasi jumbai tanaman jagung ketika diberi sejumlah besar gambar fotografi untuk memilah-milah.

Upaya crowdsourcing menghasilkan hasil setara dengan ilmuwan tanaman terlatih dan menghasilkan algoritma yang akan sangat mengurangi waktu yang diperlukan untuk mendapatkan metrik yang berguna dari dataset besar. Para peneliti mengatakan pendekatan yang sama dapat menghasilkan hasil yang sama untuk tanaman lain. Jurnal akademis PLOS Computational Biology baru-baru ini menerbitkan hasil-hasil tim.

"Otomatisasi semacam ini dapat memungkinkan kita untuk mencukur tahun dari waktu yang diperlukan untuk melakukan penelitian ini jika tidak," kata Carolyn Lawrence-Dill, seorang profesor genetika, pengembangan dan biologi sel. "Pendekatan ini dapat membantu kami membiakkan varietas tanaman yang lebih efektif lebih cepat."

Tim peneliti menggunakan Amazon Mechanical Turk, atau MTurk, untuk menemukan peserta untuk ambil bagian dalam penelitian ini. MTurk adalah pasar online untuk crowdsourcing, yang memungkinkan pengusaha untuk mengakses sekelompok besar pekerja untuk tugas-tugas sederhana yang tetap membutuhkan kecerdasan manusia dan tidak dapat diotomatisasi. Jonathan Kelly, seorang profesor psikologi dan anggota tim peneliti, mengatakan MTurk juga menyediakan sumber yang siap untuk mata pelajaran potensial untuk studi akademis. Eksperimen juga termasuk peserta siswa yang diberikan kredit saja.

Semua peserta studi menerima instruksi untuk mengidentifikasi jumbai dalam lusinan gambar jagung dengan menggambar persegi di sekelilingnya. Baskar Ganapathysubramanian, profesor teknik mesin, kemudian menggunakan gambar berlabel itu untuk melatih komputer untuk mengidentifikasi jumbai dalam gambar jagung yang sama.

"Anda harus melatih model komputer untuk mengenali perbedaan antara, katakanlah, daun dan rumbai," kata Ganapathysubramanian. "Salah satu cara untuk mencapai itu adalah melalui pembelajaran mesin, di mana Anda menunjukkan contoh objek dengan label berulang-ulang dan sistem membangun aturannya sendiri untuk mengenali objek itu sendiri."



Di masa lalu, manusia, seringkali mahasiswa pascasarjana atau seseorang dengan keahlian tertentu dalam disiplin tertentu, harus menyaring gambar satu demi satu, sebuah proses yang melelahkan yang dapat dihalangi melalui pembelajaran mesin, kata Iddo Friedberg, profesor mikrobiologi veteriner. dan anggota tim pengobatan dan penelitian preventif. Tapi Friedberg mengatakan hasil yang diperoleh dari MTurk terbukti sama efektifnya dengan para ahli tanaman terlatih. Hasil dari siswa peserta studi memiliki kualitas yang sedikit lebih rendah tetapi masih cukup baik untuk bekerja dengan algoritma, katanya. Friedberg menyebut hasilnya sebagai bukti "kearifan orang banyak."

Sebuah model komputer yang mampu mengidentifikasi jumbai atau bagian tanaman lain secara otomatis dapat membantu menanam para ilmuwan dalam beberapa cara, kata Lawrence-Dill. Para ilmuwan yang tertarik pada bagaimana berbagai kondisi cuaca mempengaruhi tasseling atau bagaimana kinerja hibrida jagung yang berbeda dapat memperoleh wawasan berharga lebih cepat dengan program semacam itu. Mungkin yang lebih penting lagi, katanya, metode ini dapat melakukan fungsi yang serupa untuk berbagai sifat untuk hampir semua pabrik yang para ilmuwan memiliki tumpukan besar gambar.

Penelitian ini dimungkinkan setelah menerima dana dari Inisiatif Presiden untuk Penelitian Interdisipliner. Program ISU mendorong pemikiran besar yang mengaitkan berbagai disiplin ilmu dengan cara yang inovatif. Penelitian ini tidak mungkin terjadi tanpa menggambar anggota fakultas dengan keahlian dalam statistik, bioinformatika, teknik, psikologi dan phenomics tumbuhan. Tetapi tim yang mewakili beragam disiplin ilmu semacam itu juga menghadapi tantangan. Beberapa pendanaan juga disediakan oleh Plant Sciences Institute dan penghargaan dari National Science Foundation.