La Inteligencia Artificial y la Agricultura Digital no son solo palabras de moda, sino herramientas poderosas con un inmenso potencial para contribuir significativamente a la sostenibilidad en un clima cambiante. Adentrémonos en este emocionante futuro.
A medida que el cambio climático perturba la intrincada interacción entre los sistemas biológicos y su entorno en la naturaleza y las prácticas agrícolas, la necesidad de adoptar nuevas y emergentes tecnologías se vuelve cada vez más urgente. Esta urgencia subraya el papel crucial que cada uno de nosotros desempeña en garantizar la sostenibilidad de nuestras prácticas agrícolas. Los esfuerzos para mejorar la eficiencia en los procesos agrícolas han estado en marcha durante años, impulsados inicialmente por mayores rendimientos y calidad de los productos agrícolas.
Revolución en la agricultura: el progreso de la agricultura digital
Durante más de un cuarto de siglo, se nos han presentado tecnologías innovadoras como la Agricultura de Precisión (AP), que aprovecha tecnologías emergentes como sistemas de sensores y teledetección utilizando plataformas que van desde satélites hasta sistemas aéreos o terrestres no tripulados (UAV / UTV) para evaluar la variabilidad espacial y temporal de los cultivos. Sin embargo, el campo ha sido verdaderamente revolucionado en la última década con la llegada de la Agricultura Digital (AD). La AD no solo ha respondido a la pregunta de qué hacer con los datos recopilados por los sistemas de AP, sino que también ha introducido la Inteligencia Artificial (IA) como una herramienta necesaria para el análisis de datos y modelado utilizando tecnologías automatizadas de sistemas de sensores.
Debido al cambio climático, la seguridad alimentaria se ha convertido en un problema crítico, ya que, según la FAO, para 2050 necesitamos producir el doble de alimentos en la mitad de la tierra arable para alimentar a más de 10 mil millones de personas. Enfrentándonos a este escenario desalentador, la AP y la AD podrían ser las únicas opciones, además de una mentalidad agrícola fuera de lo común.
Contrastación de aproximaciones para la Tierra y el espacio
Producir alimentos más nutritivos en menos espacio y recursos es el objetivo de los científicos que investigan la producción de alimentos fuera de la Tierra para misiones espaciales a largo plazo, como las planeadas a la Luna para 2030 y a Marte para 2040 por parte de la NASA a través del programa Artemis. La agricultura vertical que implementa la inteligencia artificial (IA), los Gemelos Digitales (DT) y las plantas modificadas genéticamente (GM) serán la base de estos sistemas, que también se pueden implementar en la Tierra para satisfacer las crecientes demandas de productividad para 2050.
Hay una diferencia crítica entre lo que se hará para el espacio y lo que se hará para la Tierra utilizando IA: la adopción. La exploración espacial no tiene otra opción que adoptar estos nuevos sistemas de IA para la producción de alimentos, que seguramente incorporarán plantas GM.
En la Tierra, la adopción de DT y la IA avanza a paso de tortuga, si es que avanza. Lo mismo ocurre con los GM. Los principales obstáculos para la adopción de IA y DT son, entre otros, las percepciones de los agricultores a pequeña escala, que piensan que no pueden acceder a estas herramientas debido al costo y la complejidad. Sin embargo, la mayoría de las nuevas herramientas de IA desarrolladas para la agricultura se han basado en el principio de parsimonia, facilidad de uso y bajo costo.
Transparencia y entendimiento de la inteligencia artificial y los gemelos digitales
Otro concepto erróneo relacionado con la propiedad y seguridad de los datos se basa en la percepción de que "los modelos y herramientas de IA desarrollados en mi granja beneficiarán a mis competidores". Dentro de los marcos de herramientas de IA, los datos podrían gestionarse como moneda a través de blockchain para garantizar transparencia y equidad en el uso de datos mediante libros electrónicos. Además, la teoría de juegos también se puede aplicar a las herramientas de IA, lo que aumenta el beneficio de todos los usuarios en lugar de los individuos, elevando el conjunto de la producción agrícola.
La IA y los DT a menudo han sido llamados "cajas negras" porque no entendemos cómo las máquinas manejan los pesos y sesgos dentro de los datos para dar sentido y producir modelos predictivos basados en la agricultura. Esto ya no es cierto, ya que ahora tenemos herramientas analíticas para entender el proceso dentro de la lógica de la máquina, que fue publicado recientemente en Science.
Tenemos herramientas de IA disponibles para mejorar la producción, calidad y sostenibilidad de los productos agrícolas para la Tierra y la exploración espacial. Comencemos a adoptar estas nuevas tecnologías de IA y enfrentemos el cambio climático.
Dr. Sigfredo Fuentes
Profesor Visitante Distinguido
en Agricultura Digital y Ciencias de la Alimentación
Escuela de Ingeniería y Ciencias, Tec de Monterrey
MiniBiografía:
El Dr. Sigfredo Fuentes es un Profesor Distinguido en la Facultad de Excelencia del Tecnológico de Monterrey, México, y Profesor Asociado en Agricultura Digital, Ciencias de los Alimentos y el Vino (DAFW) en la Escuela de Agricultura, Alimentos y Ciencias del Ecosistema (SAFES) en la Facultad de Ciencias, Universidad de Melbourne, Australia (QS Ranking #14, 2023). Es Investigador Principal en el Centro de Excelencia de Investigación de Australia - Plantas para el Espacio (CoE-P4S) otorgado por el Consejo de Investigación Australiano (2023-2030). Sus intereses científicos van desde el impacto del cambio climático en la agricultura, el desarrollo de nuevas herramientas computacionales utilizando aprendizaje automático e inteligencia artificial (IA) para aplicaciones en fisiología vegetal, alimentos, animales y ciencias del vino; nueva y emergente tecnología de sensores, teledetección proximal, de corto y largo alcance utilizando robots y UAV, y Agricultura 5.0 para la Tierra y el Espacio. El Dr. Fuentes ha publicado más de 250 artículos revisados por pares, 5 libros editados y 4 capítulos de libros en estas áreas de investigación.
1 Radhakrishnan, A.; Beaglehole, D.; Pandit, P.; Belkin, M. 2024. Mechanism for feature learning in neural networks and backpropagation-free machine learning models. Science, https://www.science.org/doi/10.1126/science.adi5639
2 https://tec.mx/es/profesores/eic/sigfredo-fuente
As climate change disrupts the intricate interplay between biological systems and their environment in nature and agricultural practices, the need to embrace new and emerging technologies becomes increasingly urgent. This urgency underscores the crucial role each of us plays in ensuring the sustainability of our agricultural practices. Efforts to enhance efficiency in agricultural processes have been ongoing for years, driven initially by higher yields and quality of agricultural produce.
Revolutionizing Agriculture: The Advent of Digital Agriculture
For over a quarter of a century, we've been introduced to innovative technologies like Precision Agriculture (PA), which leverages emerging technologies such as sensor systems and remote sensing using platforms ranging from satellite, airborne, or uncrewed aerial/terrestrial systems (UAV / UTVs) to assess spatial and temporal variability of crops. However, the field has truly been revolutionized in the past decade with the arrival of Digital Agriculture (DA). DA has not only answered the question of what to do with the data collected by PA systems but has also introduced Artificial Intelligence (AI) as a necessary tool for data analysis and modeling using automated sensor system technologies.
Due to climate change, food security has become a critical issue since, according to FAO, by 2050, we need to produce twice the amount of food in half of the arable land to feed more than 10 billion people. Confronting this daunting scenario, PA and DA could be the only options, plus an agricultural mind outside the box.
Contrasting Approaches for Space and Earth
Producing more nutritious food in reduced space and resources is the mindset of scientists researching food production outside Earth for long-term space missions, such as those planned to the moon by 2030 and Mars by 2040 by NASA through the Artemis program. Vertical farming implementing artificial intelligence (AI), Digital Twins (DT), and Genetically Modified (GM) plants will be the basis of these systems, which can also be implemented on Earth to meet growing productivity demands by 2050.
There is one critical difference between what will be done for space and what will be done for Earth using AI: adoption. Space exploration does not have an option but to adopt these new AI systems of food production, which will surely incorporate GM plants.
On Earth, the adoption of DT and AI happens at a snail's pace, if any. The same is true for GM. The main obstacles to AI and DT adoption are, among others, small-scale farmers’ perceptions, which think they cannot access these tools due to cost and complexity. However, most newly developed AI tools for agriculture have been based on the parsimony principle, user-friendliness, and low cost.
Transparency and Understanding in AI and DT
Another misconception related to data ownership and security is based on the perception that “AI models and tools developed on my farm will benefit my competitors”. Within AI tool frameworks, data could be managed as currency through blockchain to secure transparency and fairness in data usage through electronic ledgers. Furthermore, game theory can also be applied to AI tools, which enhance the benefit of all users rather than individuals, lifting the entire agricultural production floor.
AI and DT have often been called “black boxes” because we do not understand how machines deal with weights and biases within the data to make sense and produce agriculturally based predictive models. This is not true anymore since we now have analytical tools to understand the process within the machine’s logic, which was recently published in Science.
We have AI tools available to improve the production, quality, and sustainability of agricultural products for Earth and space exploration. Let’s start adopting these new AI technologies and tackle climate change.
By: Distinguished Professor Sigfredo Fuentes
MiniBio:
Dr. Sigfredo Fuentes is a Distinguished Professor within the Faculty of Excellence, Tecnológico de Monterrey, Mexico, and an Associate Professor in Digital Agriculture, Food and Wine Sciences (DAFW) at the School of Agriculture, Food and Ecosystem Sciences (SAFES) in the Faculty of Science, University of Melbourne, Australia (QS Ranking #14, 2023). He’s a Chief Investigator in the Australian Research Council - awarded Centre of Excellence (2023-2030) in Plants for Space (CoE-P4S). His scientific interests range from climate change impacts on agriculture, development of new computational tools using machine learning and artificial intelligence (AI) for applications on plant physiology, food, animal, and wine sciences; new and emerging sensor technology, proximal, short, and long-range remote sensing using robots and UAVs, and Agriculture 5.0 for Earth and Space. Professor Fuentes has published over 250 peer-reviewed articles, 5 edited books, and 4 book chapters in these research areas.
1 Radhakrishnan, A.; Beaglehole, D.; Pandit, P.; Belkin, M. 2024. Mechanism for feature learning in neural networks and backpropagation-free machine learning models. Science, https://www.science.org/doi/10.1126/science.adi5639
2 https://tec.mx/en/our-faculty/eic/sigfredo-fuente