In este artículo de GLASE, hablamos sobre AI, su potencial para agricultura ambiente controladoy principios para adoptar la IA en la horticultura. 

El uso de inteligencia artificial en la producción de cultivos en ambientes controlados tiene el potencial de hacer crecer cultivos de manera más rápida y eficiente.

La mayoría de la gente está familiarizada con el término inteligencia artificial o IA. ken tran, fundador de Koidra LLC, dijo que la inteligencia artificial es un término muy vagamente definido.

"En términos muy generales, IA significa cualquier cosa que una computadora pueda hacer para realizar una tarea", dijo Tran. “La IA clásica puede ser un programa que no tiene la capacidad de aprender y mejorar todo el tiempo. Por ejemplo, se puede escribir un programa para que una computadora juegue ajedrez. Un ordenador puede jugar al ajedrez por sí solo, pero sigue una lógica específica impuesta por el programador. Este tipo de IA no mejora con el tiempo con los datos”.

Un segundo tipo de IA puede tener la responsabilidad de aprender y mejorar con el tiempo con datos adicionales.
"Este tipo de IA es muy prometedor porque puede mejorar continuamente", afirmó Tran. "Con este tipo de IA, una computadora puede aprender de forma autónoma cómo utilizar los datos".

Tran dijo que ambos tipos de IA son útiles y se mejorarán mutuamente.

"El segundo tipo se considera la segunda etapa de la IA", dijo. “La IA que se puede aprender es la siguiente fase del tipo de IA de sistema experto. Ambos tipos de IA podrían tener aplicaciones importantes en la agricultura en entornos controlados”.

El desafío del invernadero incorpora IA
Tran fue el investigador principal y líder de un equipo de expertos en IA y horticultura que ganó el primer Desafío Internacional de Invernadero Autónomo organizado por la Universidad e Investigación de Wageningen en los Países Bajos. Tran fue el ingeniero de investigación principal del equipo del Proyecto Sonoma. En el momento en que Tran participó en el desafío, era empleado de Microsoft Research, donde gran parte de su atención se centraba en el aprendizaje automático.

El desafío del invernadero se desarrolló desde mayo hasta diciembre de 2018, con cinco equipos cultivando pepinos en su propio compartimento de invernadero en la universidad. El objetivo del desafío era combinar la IA con datos de invernaderos para maximizar la producción de cultivos y minimizar los insumos de invernadero.

"El éxito del equipo de Sonoma en la competencia se debió a nuestra colaboración con investigadores de horticultura", dijo Tran. "Sin su participación y el conocimiento del campo que brindaron, no habríamos logrado este éxito".

El equipo trabajó con investigadores como el Dr. Xiuming Hao de Agriculture and Agrifood Canada, Shalin Khosla del Ministerio de Agricultura, Alimentación y Asuntos Rurales de Ontario y el Dr. Chieri Kobota de la Universidad Estatal de Ohio.

"Antes de cultivar pepinos para la competencia, no los habíamos cultivado, pero aun así pudimos ganar", dijo Tran. “Durante la competición, nuestro equipo superó a un equipo de productores holandeses expertos que anteriormente habían cultivado pepinos. Nuestro equipo pudo producir más de 55 kilogramos de pepinos por metro cuadrado. Además, el beneficio neto de los pepinos fue un 17 por ciento mayor que el de los productores holandeses".

Beneficios potenciales para CEA
Mientras Tran trabajó en Microsoft, trabajó en aprendizaje por refuerzo. Explicó que el aprendizaje por refuerzo, en una definición simplista, es un método basado en datos que se utiliza en aplicaciones de control. Aprende a encontrar las mejores acciones basándose en datos de recompensa o castigo.

"Queríamos encontrar una buena aplicación para motivar nuestra investigación sobre el aprendizaje por refuerzo", dijo. “En 2017, buscaba una aplicación pura, es decir, una aplicación que tuviera un gran impacto y que también fuera factible para el aprendizaje reforzado. Empecé con granjas verticales interiores que son una buena aplicación porque es un entorno bien controlado y con poca influencia del exterior. Es fácil comenzar porque el entorno de prueba puede ser tan simple como una pequeña cámara de crecimiento.

“Algunos tipos de aplicaciones que encajarían incluyen el uso del aprendizaje por refuerzo para resolver un problema de control. Queríamos resolver un problema del mundo real, pero aplicar el aprendizaje por refuerzo en el mundo real es realmente un desafío. Por eso buscaba aplicaciones que estuvieran bien controladas y que pudieran tener diferentes escalas, desde una pequeña cámara de crecimiento hasta una gran sala de cultivo”.

Tran vio el potencial que tenían las granjas verticales para ayudar a resolver los problemas de producción sostenible de alimentos en todo el mundo. Habló con investigadores y expertos del CEA de todo el mundo, incluidos Estados Unidos, Japón y China. Una de las instituciones con las que Tran se puso en contacto fue la Universidad de Wageningen.

"Cuando visitamos la universidad supimos cómo iban a organizar este desafío de invernadero", dijo Tran. “Discutimos con ellos la exploración de oportunidades de colaboración. Con esta plataforma de competición podríamos empezar a hacer algo y no sólo hablar de teoría y posibilidades”.

Recopilando más datos de los productores
Tran dijo que se necesitan muchos más datos de los productores para que las computadoras aprendan de forma autónoma cómo utilizarlos.

"Estamos tratando de entender cómo los buenos agricultores producen un cultivo", dijo. “No se trata de un solo productor, sino de varios productores. Estudiamos la ciencia de las plantas y tratamos de encontrar una fórmula sólida sobre cómo cultivar un cultivo. Esa fórmula no evoluciona por sí sola. Es una fórmula fija. Es reaccionar a las condiciones cambiantes lo que indica, bajo estas condiciones, intentar esto.

“Este es el primer paso de nuestra investigación y fue todo un éxito. Ya funcionó mejor que muchos otros productores porque pudimos agregar el conocimiento de varios productores expertos. Estamos intentando desarrollar una IA que pueda aprender y mejorar con el tiempo con más datos. No queremos detenernos en un solo sistema”.

Tran dijo que controlar una granja vertical es más fácil que controlar un invernadero.

"Sin embargo, en ambos escenarios ya se puede utilizar nuestra tecnología actual", afirmó. “Esta tecnología seguirá evolucionando para lograr un impacto aún mayor. La tecnología se puede utilizar en ambas aplicaciones utilizando lo que ya sabemos sobre ciencia vegetal, aprendizaje automático e inteligencia artificial en general. No es como tener que esperar a que llegue nueva tecnología o que la investigación no esté lista y tengamos que esperar. Ya podemos aprovechar la tecnología hoy y lo hemos demostrado en múltiples escenarios”.

Tran está trabajando en un programa comercial de IA que se adaptará a una variedad de cultivos.
"El proceso será similar al desarrollo de un programa para cualquier cultivo CEA", dijo. “Los datos incluirán datos ambientales del interior y del exterior del invernadero. Estos datos se generarán automáticamente a partir de múltiples sensores instalados dentro del invernadero, incluidos niveles de luz, temperatura, humedad relativa, niveles de nutrientes, calidad del agua y niveles de dióxido de carbono.

“Para cada cultivo, necesitaríamos hablar con los productores para averiguar cómo crecen actualmente y establecer una base de referencia. Los productores proporcionarían manualmente los datos del cultivo de forma diaria y/o semanal, dependiendo del cultivo. El programa evolucionará desde la base a medida que lleguen más datos. Queremos que el programa sea seguro para todos los cultivos”.

Principios para adoptar la IA en la horticultura
Tran dijo que para que los productores y la industria hortícola adopten la IA, se deben seguir los principios de seguridad. Éstas incluyen:

• El sistema de IA debe empezar a crecer de la misma manera que lo que quieren los productores, sin desviaciones riesgosas de lo que harían los productores. Este crecimiento mejoraría continuamente.
• Los productores pueden cambiar fácilmente entre los modos manual, de recomendación y de copiloto. El operador del invernadero siempre tiene el control y puede optar por salir del modo de control de IA en cualquier momento. En el modo de recomendación, el sistema de IA solo enviaría recomendaciones al operador para su revisión y el operador aún ingresaría manualmente los puntos de ajuste.
• El sistema debe soportar un monitoreo fácil y continuo.