yointeligencia artificial está entrando poco a poco en la vida cotidiana. Cada vez más a menudo, cuando necesitamos tener algo de información Rápidamente, recurrimos a ChatGPT o Gemini. El Imágenes los producimos con Dall-E, mientras hablamos con los asistentes virtuales nativos de nuestros smartphones o con los chatbots de empresa, una experiencia cada vez menos frustrante.
Incluso en la agricultura, la inteligencia artificial tiene sus ventajas potencial cambiar la forma en que los agricultores trabajan en el campo y esto se discutió durante la Cumbre Mundial de Innovación Agrotecnológica 2024 De San Franciscode los cuales AgroNoticias® es socio de medios. Dos días de reuniones y debates en los que subieron al escenario representantes de las principales empresas y organismos de investigación activos en el sector.
Como lo recuerda Eliot GrantDirector de Mineral (la empresa de Alfabetoalias Google, dedicada al mundo agrícola), cuando hablamos de inteligencia artificial debemos distinguir en primer lugar dos grandes aplicaciones. EL Llm, Large Language Model, que tienen la tarea de interactuar de forma natural con el agricultor, apoyándolo en la toma de decisiones o en la búsqueda de información. Y el máquina/aprendizaje profundoutilizado en cambio para analizar datos, con el fin de categorizarlos, encontrar relaciones y extraer información valiosa.
Matt Hancher de Google explicó el potencial de Google para gestionar datos georreferenciados
(Fuente de la foto: Tommaso Cinquemani – AgroNotizie®)
Según lo discutido por Elizabeth Fastiggi (AWS), Jeremy Williams (Bayer), Feroz Sheikh (Syngenta) y por el propio Grant, el desafíos a enfrentar no son pocos.
En primer lugar está la cuestión de calidad de los datos. La creación de modelos que se basan en datos encontrados en línea conduce al desastre, ya que se trata de datos de mala calidad. Grandes empresas no agrícolas, como microsoftGoogle, AWS, etc., que tienen grandes habilidades en el campo de TI pero escaso en el agronómico, por eso estoy buscando valioso conjunto de datosque suelen ser prerrogativa de centros de investigación y empresas de agronegocios.
Luego está la cuestión de división en silos. Hoy en día, muchos de los datos que componen el conocimiento en el sector agrícola están divididos en compartimentos estancos, no interoperable. Los fabricantes de máquinas tienen sus datos, al igual que quienes desarrollan sistemas de soporte a la decisión (DSS) o software de gestión. El desafío es integrar todos estos datos y ponerlos a disposición de algoritmos de análisis, con el fin de extraer valor para el agricultor y sobre todo proporcionar una interfaz única a quien podrás plantear cualquier consulta, desde un plan de fertilización hasta el mantenimiento predictivo del tractor, hasta el análisis de la cuenta de resultados de la empresa.
Lo que entonces suscita algunas dudas es el fenómeno “caja negra”. Los algoritmos de inteligencia artificial funcionan según lógicas que no se comprenden del todo comprensible del ser humano. Por tanto, los resultados a los que llegan, que muchas veces resultan veraces, se obtienen mediante procesos incognoscibles. Y este aspecto deja perplejos a muchos operadores. De hecho, es difícil argumentar la validez de determinadas indicaciones al agricultor sin poder explicarle los motivos.
Eric Horvitz, director científico de Microsoft, ilustró el potencial de la inteligencia artificial para la investigación científica
(Fuente de la foto: Tommaso Cinquemani – AgroNotizie®)
Para otros, un problema adicional está representado por inclinación que podría esconderse dentro de los conjuntos de datos alimentados a los algoritmos. Sin embargo, este es un problema calidad de los datos y de como se genera. Si los datos están dañados en la fuente, el resultado sólo puede distorsionarse. Ergo, incluso en el caso de la inteligencia artificial es necesario evaluar cuidadosamente el origen y la calidad de los datos.
Por último, un elemento que deja perplejos a muchos de los ponentes que se turnaron en el escenario del World Agri-Tech se refiere a laadopción. Hoy en día existen muchas tecnologías bien establecidas, a precios asequibles y con interfaces inteligentes, pero no se adoptan. ¿La razón? Para muchos el tema es de carácter cultural. Los agricultores, a menudo de edad avanzada, se muestran reacios a adoptar tecnologías cuya utilidad no perciben, que consideran innecesariamente costosas y complejas de utilizar.
Cabe preguntarse cuál será la acogida cuando llegue el primer modelo diseñado para solucionar los problemas. problemas burocráticos vinculados a la Política Agrícola Común (PAC), a los Complementos Regionales para el Desarrollo Rural (RSC), a las declaraciones aAgencia de ingresos etcétera. En resumen, ¿cuándo la inteligencia artificial será capaz de desenredar la maraña de reglas que vinculan a los agricultores y sobre los cuales los agricultores saben poco. ¿Seguirá considerándose inútil?
AgroNoticias® es una marca registrada de Image Line® LLC de un solo miembro
