- ViLab
- Posts
- Incorporando la Inteligencia Artificial en el Campo
¡Hola! 👋🏻
Hace un año, Elon Musk y mil expertos mundiales hicieron un llamado intentando pausar la investigación sobre inteligencia artificial. Advertían sobre los posibles riesgos que esta tecnología podría representar para la especie humana.
Este llamado es un claro indicativo de la importancia que está adquiriendo la inteligencia artificial.
En 2020, OpenAI lanzó chatGPT-3, una inteligencia artificial capaz de hablar y entender nuestro lenguaje a partir del conocimiento disponible en Internet.
Esta capacidad de unir ideas profundas marcó el inicio de una nueva era de inteligencia en general.
Hasta hace algunos años, la inteligencia artificial era específica para una tarea puntual y no algo general como es tratar de imitar el cerebro humano.
En 2022, OpenAI lanzó DALL-E 2 y también se lanzó Stable Diffusion, que pueden generar imágenes a partir de texto.
Imágen generada por DALLE-E para este artículo
En el mismo año, GitHub, ahora parte de Microsoft, desarrolló una capacidad para que los programadores tengan un "copiloto" que completa el código de software que están escribiendo, aumentando hasta en un 40% la productividad de un programador de software.
Así, GitHub Copilot nos presenta una colaboración entre humanos y máquinas, que es hacia donde avanza esta tecnología.
Solo hace unos días OpenAI ha lanzado el proyecto Sora con el cual ahora se pueden crear videos a partir de simples instrucciones de texto.
Los vídeos generados son increíblemente realistas e incluyen todo tipo de creaciones automáticas desarrolladas con inteligencia artificial generativa.
Los profesionales del sector agrícola también deberían comenzar a tener un colaborador inteligente que los asista.
Pero...
El sector agrícola en Latinoamérica no está adoptando esta tecnología.
De hecho, la agricultura es la industria más rezagada en la adopción de la digitalización y en la inteligencia artificial en particular.
El no incorporar estas nuevas capacidades profundizará la brecha de desigualdad entre los países o incluso dentro de los agricultores dentro de un mismo país.
La inteligencia artificial puede ser la gran herramienta que nos brinde eficiencia y toma de decisiones acertadas.
Entonces, ¿qué hacemos?
La inteligencia artificial se adopta después de tener una gran cantidad de datos digitalizados. Es decir, no se puede avanzar hacia la inteligencia artificial si antes no hemos digitalizado nuestra operación.
Hoy en día existen una infinidad de sensores o análisis que permiten medir prácticamente cualquier variable agronómica de interés.
La digitalización permite obtener datos de todo el proceso productivo de nuestros cultivos, los cuales pueden alimentar modelos de inteligencia artificial.
¿Por qué adoptar la inteligencia artificial?
Nosotros, como humanos, tenemos algunas limitaciones y las imponemos a las organizaciones donde trabajamos.
Primero, tenemos una capacidad limitada para manejar la complejidad. Administrar la agricultura con todos sus factores requiere gestionar muchas variables, y esta gestión es muy compleja.
Otra limitación humana es la escalabilidad. No somos capaces de transmitir el conocimientos que tenemos a otra persona, para lo cual también se necesita apoyo tecnológico.
Otra limitación humana es nuestra poca capacidad de adaptarnos al cambio acelerado.
Entonces, la adopción de la inteligencia artificial es para superar los límites humanos en el núcleo de la empresa.
La inteligencia artificial puede brindarnos eficiencia, mejor calidad, mayor productividad y mayor predictibilidad en nuestra operación.
Entonces, ¿cuál es el valor de la inteligencia artificial?
El valor que proporciona la IA está relacionado con mejorar 4 capacidades:
La capacidad de aprender a partir de los datos que estamos monitoreando.
La capacidad de predecir a partir de los datos históricos.
La capacidad de automatizar labores agrícolas a través de la robótica, pero basada en una toma de decisiones respaldada por la inteligencia artificial.
La capacidad de adaptar nuestro negocio más rápidamente. La inteligencia artificial lee los cambios a través de los datos con los que se alimenta, adaptándose continuamente a los cambios que se producen.
¿Cómo podemos avanzar hacia la IA?
Lo primero es entender de qué se trata esta tecnología.
El concepto de IA representa la capacidad de una máquina para imitar comportamientos inteligentes.
La técnica más antigua, denominada Aprendizaje Automático (Machine Learning), permite a una máquina aprender a partir de los datos a los que está siendo expuesta.
Por ejemplo, para determinar si una hoja de la planta esta en buen estado o dañada:
Para llevar a cabo esta tarea con la técnica de Machine Learning es necesario contar con un extenso conjunto de imágenes previamente etiquetadas por seres humanos:
Este conjunto de imágenes etiquetadas se entrena a la IA mediante un enfoque de aprendizaje supervisado, lo que permite que la IA adquiriera la capacidad de resolver esta tarea.
En este punto, la IA se limitaba a realizar tareas específicas y su principal restricción radica en la necesidad de disponer de una gran cantidad de datos etiquetados previamente para su formación.
Pero la IA actual utiliza la técnica de Aprendizaje Profundo (Deep Learning), que utiliza redes neuronales para el aprendizaje.
Esto significa que las IA pueden ahora identificar múltiples características de las imágenes o de los datos al mismo tiempo y, por lo tanto, llevar a cabo varias tareas simultáneamente.
Además, a partir de 2020, la IA ya no requiere un aprendizaje supervisado, puede aprender a partir de los datos existentes.
Estos datos no necesitan estar completos o exactos porque las redes neuronales permiten completar la información que falta. Por ejemplo, si tuviéramos 90 variables que determinan la situación de una planta, la red neuronal puede deducir las 5 o 10 que faltan.
Estas redes neuronales permiten administrar la complejidad. Como humanos, no podemos manejar 100 variables asociadas a una planta, pero una red neuronal de una IA sí lo puede hacer.
Cuando vemos los parámetros de una plantación, la inteligencia artificial es capaz de ver mucho más que un humano, incluso si este último es un experto, y a una velocidad muy superior.
Y eso necesitamos usarlo porque nos proporciona eficiencia. Nos permite tomar buenas decisiones muy rápidamente.
Pero, para obtener estos beneficios, tenemos que comenzar a sensorizar nuestra operación, almacenar esos datos.
Una vez que tengamos las variables o factores más importantes medidos, podemos comenzar con algunos proyectos o pilotos de modelos. Por ejemplo, intentar crear un modelo para predecir el volumen de cosecha o que genere recomendaciones sobre el momento óptimo para plantar, regar, fertilizar y cosechar.
De esta manera, culturalmente, las personas que trabajan en nuestra organización comenzarán también a ver lo que esta tecnología puede hacer por la empresa.
En la medida que la organización cree modelos, los implemente, los pruebe y los mejore desarrollará nuevos activos para la empresa, logrando una importante ventaja competitiva.
Lo que la inteligencia artificial mayormente nos va a aportar es su capacidad de predecir aportando la información faltante. Y si tenemos capacidad de predicción, mejoraremos nuestra capacidad de tomar buenas decisiones.
En resumen, si yo fuera agricultor (no lo soy pero me gustaría serlo 😄) haría lo siguiente:
Usaría sensores y análisis para medir regularmente las variables más importantes de mis cultivos
Luego, forzaria que la toma de decisiones al interior de la empresa fueran con datos, y no con solo la experiencia.
Crearía un portafolio de proyectos para generar modelos y algoritmos
Capacitaría a mis colaboradores de la empresa en IA.
Para inspirarnos les dejo acá un video de Tadashi Fukuoka, un productor japonés de tomates con una operación completamente digitalizada:
Y un segundo video con 2 empresas agrícolas de Singapur, país que quiere convertirse en un centro tecnológico líder mundial en agricultura urbana y acuicultura.
¿Te ha gustado el correo de esta semana? |
Este correo ha sido preparado por el Equipo de ViLab | www.vilab.cl