Procesar la información agropecuaria que genera la Argentina –país de casi 3 millones de kilómetros cuadrados de superficie que, a su vez, cosecha millones de toneladas de granos– no parece tarea sencilla.
En este contexto, la innovación tecnológica es un instrumento necesario para lograr mediciones que otorguen datos que puedan transformarse en información de calidad. Esa información, a su vez, se puede integrar a otros modelos que faciliten la toma de decisiones efectivas en una industria atravesada por la incertidumbre.
La inteligencia artificial (IA) es la simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la información), el razonamiento (usando las reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección.
Estas nuevas tecnologías están dando paso a un impulso tecnológico llamado Big Data, el cual aporta información en grandes Volúmenes, a gran Velocidad, con gran Variedad y Variabilidad. El mercado ha entrado en la era de la Transformación Digital, nos encontramos, con una disciplina que tiene una demanda generalizada prácticamente en todos los sectores de la economía.
Desde los años 50 del siglo XX, la Inteligencia Artificial (IA) ha sido una ciencia utilizada fundamentalmente para realizar análisis de comportamientos y predicciones, en sus inicios a nivel de laboratorio. Después de toda la evolución producida, podemos decir que hoy IA significa analizar la información que en forma masiva nos entregan las nuevas tecnologías (Big Data) y devolverla con una inteligencia útil para diversos propósitos. Por eso, la Inteligencia Artificial y la robótica son dos de los factores de mayor crecimiento. Las máquinas están aprendiendo a “comportarse”, a detectar objetos, a interpretar palabras…
Los algoritmos de Deep Learning son capaces de procesar millones de datos no estructurados y establecer conexiones entre ellos casi imperceptibles. Es lo que ocurre, por ejemplo, en las explotaciones agrícolas en las que se pretende optimizar el método de producción.
Por lo tanto, esta herramienta es un aporte de alto valor para la toma de decisiones. La IA permitiría predecir rendimientos, calidades, curva de demanda, curvas de cosechas, necesidades de logística, predicción y dinámicas de plagas y recomendaciones de manejo de cultivos entre otros usos.
- El Deep Learning aporta muchas ventajas, tales como:
- Crea sistemas mucho más inteligentes, porque analiza grandes cantidades de datos y establece relaciones entre ellos casi imperceptibles
- Mucho más rápidos, porque analiza y responde en segundos
- Mucho más preciso, porque siempre encuentra la mejor solución, con el mínimo error posible
- Mucho más barato que consultarlo en fuentes externas o desarrollarlo de forma manual, cometiéndose menos errores
- Aprende automáticamente de tus datos, mejora las predicciones y da la respuesta buscada, de forma sencilla
La IA puede ayudar a mejorar significativamente la Agricultura de Precisión (AP) (es el conjunto de tecnologías que se aplican al trabajo en el campo como satélites, sensores, imágenes y datos geográficos, que reúnen la información necesaria para entender las variaciones del suelo y los cultivos), es posible tratar diversos lotes de diversas maneras con mucha más precisión en base a datos de contexto. Ayuda a la predicción de plagas en los cultivos intensivos que permiten aumentar el rendimiento y calidad de producto, estimar el rendimiento y fecha de cosecha, a manera de poder organizar la logística y comercialización en forma anticipada y estimar la curva de ventas y cobranzas en distintos mercados agroindustriales.
En lo comercial, depende de la regulación de los mercados, pero sin duda lotes mejor tratados darán productos de mejor calidad y por ende de mejor valor.
Es posible predecir la evolución de precios en el corto plazo de los commodities en los mercados locales, así como realizar estimaciones del rendimiento y la calidad a nivel de región o país.
Por ejemplo, enfrentar el cambio climático es una preocupación real para Argentina. Mediante el aprendizaje automático (machine learning) se puede avanzar en aspectos asociados a los pronósticos meteorológicos y con la analítica de big data profundizar en la modelización de ciertos sistemas de producción.
De acuerdo con el INTA (Institución Nacional de Tecnología Agropecuaria) en la agenda de los próximos 20 años está el proyecto de mejorar los sistemas de innovación para abastecer mercados que serán cada vez más exigentes. Por tal motivo, es necesario entender el clima con el objetivo de aumentar la producción en una población creciente.
Para avanzar con la tecnificación o con la introducción de IA en la agroindustria de Santa fe, deberemos vencer algunos obstáculos.
La primera barrera es la información disponible en un formato acorde a las necesidades para generar los modelos. “Hay muchos progresos en esta área pero aún no estamos en un nivel para hacer crecer exponencialmente las últimas tecnologías”.
Por otro lado, los expertos señalan que la IA requiere de un cambio cultural en el direccionamiento de las empresas para un mayor entendimiento del potencial del valor aplicado. “Las nuevas tecnologías requieren de un espíritu de colaboración permanente con jugadores de distintas áreas, aprendiendo a la par y aceptando algunos fracasos iniciales hasta encontrar el valor buscado.
Finalmente, a pesar de que nuestros colegas son vanguardistas, necesitan casos de éxito para involucrarse de lleno en la curva de aprendizaje en forma colaborativa con los proveedores de machine learning y otros actores de la cadena, por ejemplo, ´las tecnologías de aplicación selectiva ya son innovaciones adoptadas en el campo argentino, con buenos resultados en su desempeño pero todavía con mucho por aprender en cuanto al desarrollo de estrategias que permitan su adopción en todas las regiones y el aprovechamiento de su máximo potencial.
Otro factor, es la infraestructura de Santa Fe, sobre todo para lo que es conectividad para registros remotos. “El tema de empezar a dejar a las máquinas aplicar inteligencia bruta y a los humanos el discernimiento está todavía en cuestión; también la falta de historia digital. Lleva tiempo y dinero alimentar a la IA con la información histórica no digitalizada que sea la base de sus procesos de aprendizaje”.
“A pesar del desarrollo tecnológico, lo único cierto en el futuro es que seguiremos comiendo 3 veces al día, por eso la profesión de agricultor y ganadero tiene futuro”.
Este artículo fue publicado originalmente en la edición impresa #99 de la revista Agrovisión Profesional, correspondiente al mes de noviembre de 2018.