¿Qué puede aportar la inteligencia artificial al agro? Mejores rendimientos con menores costos, procesos más eficientes y sostenibles, predicciones meteorológicas cada vez más precisas, por ejemplo
¿Qué puede aportar la inteligencia artificial al agro uruguayo?
Esas cuatro son solo algunas de las ventajas que los avances de la inteligencia artificial pone al servicio de la producción agropecuaria.
La inteligencia artificial empuja las fronteras y rompe esquemas. Uno de ellos, el del lenguaje. En 2022 la Real Academia Española eligió el término inteligencia artificial como “palabra del año”, aunque sean dos. Y lo justificó en que es una “expresión compleja”. El término había sido incorporado en el Diccionario de la lengua española hace 30 años y definido como “la disciplina científica que se ocupa de crear programas informáticos que ejecutan operaciones comparables a las que realiza la mente humana, como el aprendizaje o el razonamiento lógico”.
La explosión masiva de la inteligencia artificial ocurrió con la viralización del uso de ChatGPT, una suerte de recurso enciclopédico que es capaz de escribir en segundos una canción “original” al estilo de Los Beatles.
El segundo abordaje sobre la inteligencia artificial es el debate ético sobre los riesgos asociados a la autonomía que los programas de aprendizaje de máquinas pueden lograr, y el impacto del mal uso de estas herramientas, por ejemplo para generar noticias falsas.
Un episodio reciente fue la divulgación de una foto que mostraba una explosión junto al Pentágono, sede de la Defensa de Estados Unidos, que impactó transitoriamente en las cotizaciones en la Bolsa. Era una imagen falsa generada por inteligencia artificial.
Más allá de esto, ¿qué usos puede tener la inteligencia artificial a la agricultura y la ganadería de Uruguay? Así se lo preguntamos al ChatGPT. Y -en síntesis- respondió que “puede aportar una serie de beneficios, desde mejorar la productividad y la eficiencia hasta mejorar la sostenibilidad, identificar plagas y enfermedades de forma más rápida y precisa que los métodos tradicionales y mejorar la gestión de la cadena de suministro”.
Tambo robotizado del INIA, en Colonia.
Los desarrollos de inteligencia artificial al servicio agropecuario pueden separarse en dos grandes áreas: las aplicaciones para uso individual directo y los grandes avances de impacto general. Un ejemplo de uso local es el desarrollo uruguayo para tambos llamado CowIA. Funciona con un algoritmo que analiza los registros de una cámara colocada en la entrada de las salas de ordeñe. Las vacas son filmadas cuando caminan, y el programa detecta en forma temprana cuáles tienen problemas de patas por su andar, su postura y la curvatura de su lomo.
En Uruguay también se usan aplicaciones para hacer inventarios forestales (contar árboles) y, en el mismo sector productivo, para localizar y fumigar hormigueros mediante la lectura de mapas con imágenes térmicas y programando drones para la aplicación.
Las potencialidades que empiezan a ser incorporadas en otros países están basadas en corregir ineficiencias: mejores programaciones de siembra, fertilización y cosecha; gestión más adecuada de pasturas.
Piqsels
Aplicaciones más cuidadosas y con menores costos, una ventaja en el horizonte.
Entre los grandes avances con impacto global y posibilidades de ser aterrizados y explotados localmente figura GraphCast, un simulador meteorológico basado en redes neuronales gráficas que supera al sistema de pronóstico del tiempo a medio plazo más preciso del mundo en al menos el 90%. ¿Cómo lo hace? Analiza cinco variables de superficie y seis variables atmosféricas, cada una a 37 niveles de presión vertical, en una cuadrícula que corresponde a una resolución de aproximadamente 25 x 25 kilómetros. Fue entrenado con datos históricos del Centro Europeo de Pronósticos Meteorológicos a Medio Plazo (ECMWF).
“Estamos exactamente en el momento de quiebre para las predicciones meteorológicas”, afirmó el ingeniero uruguayo Pablo Rodríguez Bocca, experto en ciencia de datos y modelos predictivos, que forma parte del equipo de trabajo de este desarrollo.
GraphCast fue creado por DeepMind, una empresa británica de inteligencia artificial fundada en 2010 y adquirida por Google cuatro años después.
Por el impacto en general de los eventos meteorológicos y las tendencias climáticas “es muy destacable que se esté alcanzando mejoras en el área de la predictibilidad”. El investigador subrayó la importancia que tiene esto en grandes decisiones del mercado, como los precios internacionales y los seguros.
“Podemos decir que se alcanzó un techo tecnológico, el estado del arte para la predicción meteorológica, y de ahora en más todo es ganar”, afirmó Rodríguez Bocca. Sería “todo un logro” llevar estos pronósticos a 11 días y luego a 12 “con la misma certidumbre”, afirmó. Al capacitarse en datos más grandes, de mayor calidad y más recientes, la habilidad de los pronósticos puede mejorar.
AFP
Inteligencia artificial, herramienta cada vez más a mano para decisiones más eficientes en las chacras.
La respuesta de ChatGPT sobre los aportes a la mejora de la productividad y la eficiencia detalla que “la inteligencia artificial puede ser utilizada para analizar grandes cantidades de datos sobre el clima, la calidad del suelo, la humedad, el crecimiento de las plantas, el comportamiento de los animales y otros factores que influyen en la producción agrícola y ganadera. Esto puede ayudar a los productores a tomar decisiones más informadas y precisas sobre el manejo de sus cultivos y animales, lo que puede resultar en una mayor productividad y eficiencia”.
En esta área, el propio Rodríguez Bocca fue un adelantado tal vez demasiado precoz. Fundó Agronóstico en 2016, una empresa que proporcionaba una plataforma de software basada en la nube que utilizaba datos del suelo y meteorológicos para la predicción del rendimiento de cultivos por zona y un análisis de escenarios para los efectos del uso de varios fertilizantes en el suelo.
“Los agricultores pueden visualizar todos los datos, incluidas las condiciones del suelo, el estado del cultivo utilizando el índice de biomasa de imágenes de satélite procesadas, los rendimientos previstos, las recomendaciones de nutrientes y las previsiones meteorológicas en un solo lugar”, se anunciaba. El emprendimiento no prendió comercialmente entre los productores de Uruguay y antes de la pandemia ya había dejado de operar.
Actualmente, estas herramientas tienen un enorme potencial de aplicación. La decisión del momento de siembra de soja o trigo con 10 días de diferencia puede incidir en variaciones de 5% del rendimiento, una cifra importante para calcular márgenes.
Piqsels
Aplicaciones más cuidadosas y con menores costos, una ventaja en el horizonte.
Herbert Lewy, gerente general de Agricultura Inteligente y Bioeconomía para Microsoft Latinoamérica, describe que la información climática, de imágenes satelitales, capturas de vuelos de drones, índices y sensores que miden valores de PH, nitrógeno, temperatura, fósforo, son fundamentales.
"Si a estos datos les aplicamos mecanismos de inteligencia artificial, podemos empezar a cruzar toda la información con conocimiento para tomar mejores decisiones de manejo en la gestión del agro, en ganadería y agricultura, para apuntar a un mayor rendimiento con menos recursos", dijo en marzo al portal argentino Agrofy News.
Buena parte de esta información está en manos de los propios productores. Otra parte es cada vez más accesible, como las imágenes satelitales. El acelerado desarrollo de las nuevas tecnologías produce desfasajes entre la investigación, las empresas que generan productos y los usuarios, apunta Pablo Rebufello, gerente de innovación y tecnología de la empresa Ingenieros Consultores Asociados (ICA).
Entre los casos de uso en Uruguay destacó que un rubro fuerte es la forestación. “Se hace un empleo importante para predecir volúmenes en base a imágenes de satélites y generar indicadores de productividad, sustituyendo indicadores matemáticos que se usan hasta ahora”, apuntó.
Juan Samuelle
También hay aplicaciones en la forestación.
También se usa inteligencia artificial en la detección de residuos en las plantaciones para que no rompan las máquinas durante las cosechas, en los planes de fumigación contra las hormigas y en la detección automática de incendios.
En fruticultura es posible leer la información de los árboles en el momento de la floración y estimar la productividad mediante un software entrenado que también recomienda las necesidades específicas de aplicaciones fitosanitarias.
La posibilidad de regular con precisión la cantidad de agroquímicos que se rocía –tanto en frutales como en cultivos extensivos- tiene un doble impacto: ahorra costos y reduce impactos ambientales.
Rebufello sostiene que los cambios que supondrá el uso cada vez más extendido de soluciones de inteligencia artificial “van a ser muy favorables” sin pagar un costo alto a nivel laboral. La curva de desarrollo es “muy pronunciada” y los costos para los usuarios “están bajando rápidamente”, aseguró.
Es la evolución de la información, que vino para quedarse.