La IA es una herramienta controvertida con poderosas aplicaciones: incluso para la forma en que cultivamos nuestros alimentos. A continuación, compartimos ejemplos de cómo los investigadores ya están aplicando IA y las consideraciones para el uso sostenible y equitativo de esta tecnología.

Para la mayoría de nosotros este año, el uso de la inteligencia artificial (IA) ha saltado del ámbito de lo posible a lo inevitable. Los sectores, desde el cuidado de la salud hasta los medios, están lidiando con las capacidades de la IA, y la agricultura no es una excepción. Los científicos de CGIAR ya han pasado años explorando cómo la IA puede promover los esfuerzos para cultivar cultivos resistentes de manera sostenible y garantizar que los agricultores se adapten al cambio climático. 

Tres proyectos de la Alianza en curso que se basan en IA incluyen: Tumaini (una aplicación para teléfonos inteligentes que permite a los productores de banano resolver el 90% de las principales enfermedades y plagas); Melisa (un chatbot que estima el rendimiento de maíz y trigo de los agricultores colombianos en función de las predicciones meteorológicas a largo plazo, las variedades de suelos y cultivos y las fechas de siembra); y Artemis (sistemas de tecnología de visión por computadora que permiten a los fitomejoradores desarrollar variedades resistentes al clima y adaptadas localmente).

Investigadores en Tanzania están combinando fotos de teléfonos inteligentes e IA para observar variedades de frijol en el campo. Foto: David Guerena

Agricultura de precisión: un camino hacia una agricultura más eficiente

Steve Mutuvi es un científico de datos con experiencia en modelos de lenguaje grande (la familia de IA detrás de ChatGPT ). Con su trabajo en Alliance en Tanzania, ve muchas oportunidades para integrar estos conceptos en el fitomejoramiento:

“Las aplicaciones de la IA incluyen la optimización del rendimiento al predecir los tiempos óptimos de siembra, riego y cosecha para maximizar el rendimiento y minimizar el uso de recursos y adaptarse a un clima cambiante. Los modelos de IA pueden simular cómo afectará el cambio climático a la agricultura y recomendar estrategias para hacer que la agricultura sea más resistente con un menor impacto ambiental".

La agricultura de precisión es una serie de técnicas que utilizan sensores y análisis de alta tecnología para proporcionar a los agricultores datos para tomar decisiones informadas que minimicen el uso de recursos y maximicen los rendimientos. Las herramientas de agricultura de precisión se basan en el " aprendizaje automático ", que utiliza datos históricos para desarrollar correlaciones entre patrones climáticos, tipos de suelo, variedades de cultivos e insumos externos, generando así recomendaciones que se pueden proporcionar a los agricultores en una variedad de formatos fáciles de usar.

Una de las formas más valiosas de agricultura de precisión impulsada por IA es el monitoreo de cultivos : el seguimiento de la salud de los cultivos para ofrecer orientación personalizada a los agricultores para garantizar una buena cosecha, salvaguardando simultáneamente sus medios de vida y reduciendo el desperdicio.

Diagnóstico y Mitigación de Enfermedades: Tumaini

Nuestro primer caso de estudio es ' Tumaini ', que en swahili significa 'esperanza'. Desarrollada por científicos de la Alianza y agricultores locales de banano, esta aplicación fácil de usar aplica el aprendizaje automático (análisis de imágenes de teléfonos, drones y satélites ) para detectar signos tempranos de cinco enfermedades comunes y una plaga importante , que en el pasado ha causado muchas agricultores a perder toda la cosecha de su temporada. Es fácil de usar: los agricultores cargan una foto de un cultivo afectado, la aplicación compara la foto con una base de datos de imágenes clasificadas por ubicación y, finalmente, la aplicación ofrece al agricultor un diagnóstico y una serie de recomendaciones.para resolver el problema. Ya en 2019, los ensayos de Tumaini en Colombia, la República Democrática del Congo, India, Benin, China y Uganda arrojaron una tasa del 90 % de detección exitosa de enfermedades y plagas . Según el líder del proyecto Michael Selvaraj : "Tumaini AI ha transformado los datos del GPS en un retrato vívido de la salud de las plantas de banano en todo el mundo: de 6000 en 2013 a más de 18 000 entradas en la actualidad". Su último paso es incluir otro cultivo importante: el frijol.

El oráculo de la previsión de rendimiento: Melisa

Usando un método de comunicación diferente para apoyar a los productores de maíz y trigo en Colombia, en 2022 la Alianza lanzó ' Melisa ': un chatbot impulsado por IA que proporciona pronósticos agroclimáticos precisos , lo que permite a los agricultores planificar cosechas y preparar sus productos para el mercado. Melisa está disponible para los agricultores en WhatsApp, Facebook y Telegram , y en forma de chat, los agricultores pueden pedirle a 'Melisa' predicciones meteorológicas a corto y largo plazo, así como estimaciones de su rendimiento de maíz y trigo para el próximo estación. Melisa utiliza un sistema de aprendizaje automático que predice los resultados de los agricultoresanalizando su tipo de suelo, las variedades de semillas utilizadas, los días en que sembraron las semillas, así como las condiciones climáticas pasadas y previstas. Esta información permite a los agricultores planificar fechas óptimas de cosecha y estimar sus ingresos para la temporada.

Fenotipado impulsado por el agricultor: Artemis

Las capacidades de procesamiento de información de AI también pueden empoderar a los agricultores para que cultiven cultivos más adaptados localmente a través de un fenotipado más rápido y preciso (observando el rendimiento de los cultivos para seleccionar las variedades más prometedoras), acelerando el proceso tradicional de fitomejoramiento que los agricultores han realizado manualmente durante miles de años. años. AI acelera este proceso de selección al analizar y comparar miles de imágenes de variedades de cultivos, a medida que crecen en el campo. El proyecto Artemis , una colaboración entre Alliance y la empresa Alphabet Mineral , ha estado utilizando rovers y teléfonos inteligentes  para ayudar a los agricultores y mejoradores de cultivos a identificar las variedades de semillas más productivas y resistentes.en función de su ubicación y condiciones de crecimiento únicas, en sitios desde Colombia hasta Tanzania.

Otras áreas de exploración

Además de los servicios de supervisión y asesoramiento de cultivos, otro ejemplo prometedor de IA en la agricultura es la instalación de sensores subterráneos de humedad del suelo que podrían permitir a los agricultores estimar las necesidades de riego , ayudándoles así a utilizar los recursos de manera eficiente. La IA también podría ayudar a diseñar sistemas de riego inteligentes automatizados, un proceso complejo que aún no se ha mejorado. Además, las tecnologías robóticas avanzadas podrían automatizar tareas manuales como la siembra y la cosecha , reduciendo así las necesidades laborales de la agricultura que consumen mucho tiempo, lo que podría ahorrarles dinero a los agricultores y reducir el error humano.

Las complejidades de la IA en la agricultura

Dado que la inteligencia artificial está evolucionando rápidamente y aún no se comprende por completo, existen desafíos potenciales para su implementación, que incluyen:

Privacidad y seguridad de los datos: la IA se basa en la recopilación de grandes cantidades de datos sobre las prácticas de los agricultores y las condiciones de cultivo, lo que podría hacerlos vulnerables al robo de identidad o la divulgación de información confidencial. Los riesgos del intercambio de datos también podrían hacer que los agricultores desconfíen de la adopción de tecnologías de IA, lo que dificulta aumentar los beneficios que estas herramientas pueden brindar.

Dependencia de la tecnología: si los agricultores llegan a confiar en las herramientas de IA para su planificación, cualquier interrupción o falla técnica podría poner en riesgo sus operaciones y productividad.

Acceso desigual: dependiendo de los precios, es posible que algunos agricultores a pequeña escala no tengan la capacidad financiera para permitirse el acceso a las tecnologías de IA. Esto podría causar desigualdad a favor de los productores más grandes, poniendo en desventaja a los pequeños agricultores, lo que conduciría a una mayor desigualdad; esto plantea la cuestión de cómo estas tecnologías podrían ponerse a disposición de estos agricultores de forma gratuita.

Desplazamiento laboral: El potencial de automatizar el trabajo agrícola mediante el uso de rovers o robots podría poner a los trabajadores agrícolas en riesgo de perder sus trabajos, lo que podría crear dificultades económicas y sociales más amplias.

Monocultivo frente a sistemas agrobiodiversos: el enfoque de la IA en el aporte mínimo y la máxima eficiencia y rendimiento puede no funcionar para los agricultores que tienen la intención de adoptar prácticas agroecológicas. La creación de sistemas agrícolas biodiversos con enfoques como la agroecología se considera una forma importante de restaurar y proteger los ecosistemas que han sido afectados por la agricultura industrial y los insumos químicos. Se debe explorar una variedad de métodos agrícolas, pero considerando la importancia de la agrobiodiversidad, las herramientas de IA podrían crear un sesgo a favor del monocultivo.

Preocupaciones éticas: el potencial de la IA para contribuir a la modificación genética provoca muchas preguntas y debates éticos. Si bien la posibilidad de modificar las semillas para aumentar los rendimientos puede contribuir a la seguridad alimentaria, una de las preocupaciones más apremiantes del mundo, incluso los procesos de selección de semillas naturales a través del fenotipado pueden reducir la confianza pública y la aceptación de estas tecnologías.

Impactos ambientales: si bien la IA podría aumentar la eficiencia de los recursos al predecir con precisión las necesidades de riego y otros insumos, si la adopción de estas herramientas crea un sesgo hacia el monocultivo e incentiva los insumos químicos, esto podría revertir los avances graduales de la agrobiodiversidad. Además, la mejora de estas herramientas también requiere necesidades de recursos, lo que posiblemente genere impactos ambientales negativos aún desconocidos.

¿Cómo abordan estos riesgos los investigadores de Alliance? Berta Ortiz es especialista en diseño centrado en el ser humano y está integrando enfoques participativos en el trabajo de Artemis en Tanzania. Ella dice:

“El diseño inclusivo puede superar algunos de los problemas que enfrenta la inteligencia artificial al identificar las diversas necesidades de aquellos que utilizarán las herramientas de IA, asegurando que se adapten a sus contextos únicos".

El primer paso para reconocer y evitar aplicaciones problemáticas de la IA es trabajar con los usuarios finales (agricultores y criadores locales) desde el principio .

En general, si bien la inteligencia artificial tiene un enorme potencial para mejorar la producción de alimentos, es simplemente una herramienta adicional para investigadores, criadores y agricultores, y requiere un uso cuidadoso para obtener los mejores resultados. A medida que crece la importancia de la IA en todos los sectores, CGIAR y la Alianza continuarán desarrollando e implementando estas herramientas en beneficio de los agricultores primero, como parte de la transición hacia sistemas alimentarios sostenibles y equitativos.

Fuente: AllianceBioversityCIAT​​​