El Instituto Nacional de Tecnología Agropecuaria (INTA) y Microsoft Argentina avanzan en un acuerdo de colaboración técnica por el que se comprometieron a trabajar en la promoción, evaluación, implementación y aprovechamiento de los programas, entrenamientos, recursos y herramientas tecnológicas, con el objetivo de desarrollar la Inteligencia Artificial aplicada al sector agroindustrial.
Big Data, Machine Learning, la Internet de las Cosas (o IoT, la conexión avanzada de dispositivos, sistemas y servicios) fueron algunos de los conceptos que desarrolló el panel que contó con especialistas del INTA como Carlos Di Bella y Fernando Riccitelli; el Director de Proyectos de Transferencia Digital de Microsoft, Ezequiel Glinsky; el Gerente de Agro Granizo de la empresa Paraná Seguros, Guillermo Thomas; y el Director y Fundador de la compañía S4, Santiago González Venzano.
Según el INTA, los sectores público y privado "trabajan en proyectos de desarrollo conjunto en las que se aprovecharán tecnologías de información a fin de contribuir al mejoramiento competitivo de los sectores productivos nacionales y fortalecer el proceso de transición hacia una economía basada en el conocimiento y la innovación".
¿Qué es la I.A.?
Durante el encuentro, se definió a la Inteligencia Artificial (IA) como "la tecnología capaz de percibir aprender, razonar y colaborar para la toma de decisiones y actuar para ayudarnos a resolver problemas". Para Glinsky, se busca que la misma "sea transparente para mejorar la vida de las personas y que responda a la solución de esos problemas, siempre con ética y responsabilidad".
El ejecutivo de Microsoft dejó en claro que "el futuro del campo pasa por la innovación tecnológica" pero destacó que primero sigue estando el Hombre: "todo tipo de innovación de alto impacto tiene el foco puesto en las personas, a través de la capacidad humana y la imaginación volcadas en las aplicaciones tecnológicas".
Glinsky explicó que "el poder de cómputo (procesamiento de datos) creció a un mayor ritmo que el desarrollo de los algoritmos (operaciones sistemáticas que permite hacer un cálculo y hallar la solución de un tipo de problemas), y lo mismo sucedió con la nube (o cloud, entendido como repositorio de los datos a través de Internet)".
¿Cuáles son las tendencias para el agro? Trabajar sobre las condiciones ambientales, anticipando de forma analítica los cambios que se presentan; reducir el impacto del cambio climático en la producción; mejorar los rindes, reduciendo costos; y estudiar el rastreo de biodiversidad para anticipar plagas y enfermedades en los cultivos.
El futuro, hoy
"Hay que integrar el pasado y el futuro para tomar mejores decisiones. El cambio climático es hoy, y hoy también es la Inteligencia Artificial", expresó Di Bella. El responsable del INTA-Castelar resaltó la necesidad de invertir en Machine Learning (programación que permite a las computadoras aprender del usuario) para mejorar los pronósticos meteorológicos.
El funcionario hizo hincapié en el uso de información satelital ya disponible por el organismo y señaló que "es necesario transformar los datos en información de calidad e integrarlos a otras en modelos que faciliten la toma de decisiones eficientes y estratégicas que ayudan a reducir la incertidumbre".
Para Riccitelli, "es clave la inversión en este tipo de tecnologías y en la capacitación en el uso de las mismas. Hay que consolidar el repositorio de datos para prepararnos ante el escenario de explotación". Toda esa información conforma el denominado Big Data, un volumen de datos masivo imposible de procesar con un software convencional.
“Sólo con Internet no alcanza. Es importante analizar cómo se captan los datos, cuáles son las plataformas que nos permitirán obtener, gestionar y transferir información para la toma de decisiones”
En este sentido, el hombre del Clima y Agua del INTA sostuvo que el próximo desafío es la velocidad con la que se analizan, procesan y se obtienen los algoritmos que le dan vida a la Inteligencia Artificial. "A la variedad, volumen y veracidad de información que proveemos en el INTA, necesitamos sumarle la velocidad, de análisis y transferencia de Microsoft para realizar un buen manejo de Big Data", afirmó Di Bella.
Desafíos
Desde la mirada empresaria, Thomas señaló que "hay que lograr un cambio cultural con los productores para que la adopción de las tecnologías sea cada vez más rápida". El ejecutivo subrayó la necesidad de que las mujeres y hombres de campo participen activamente en el suministro de datos "para lograr algoritmos que nos ayuden a alcanzar un índice de dispersión de riesgos", fundamental luego de las experiencias de inundaciones y sequía que generaron cuantiosas pérdidas productivas en las últimas tres campañas. Glinsky agrega que "los datos del campo hacen más robustos e inteligentes esos cálculos".
En ese sentido, Riccitelli recordó una deuda que el Estado todavía tiene con el Interior productivo y que termina siendo un obstáculo al momento de pensar en el Big Data y la Inteligencia Artificial. "Los problemas de comunicación son una limitante para el desarrollo de la producción", dijo el responsable informático.
Sin embargo, el presente es auspicioso ya que el INTA cuenta con 50 años de registros ininterrumpidos de estadísticas agroclimáticas lo que, según el organismo, "resulta una ventaja frente a la variabilidad climática". Esa base de datos georreferenciada se integra en distintos tipos de modelos matemáticos, estadísticos o espaciales, para simular o predecir una condición real.
Seguridad Alimentaria
Desde el INTA argumentan que "en los próximos 20 años, la agroindustria argentina se centrará en mejorar los sistemas de innovación para abastecer mercados que serán cada vez más exigentes. Entender el clima es uno de los desafíos para el sector a fin de aumentar la producción y alimentar a una población mundial creciente".
El representante del sector de seguros vaticinó que uno de los grandes desafíos del futuro cercano es que “la Argentina sea uno de los principales actores en materia de seguridad alimentaria a nivel mundial”.
"Asociarnos con Microsoft nos permitirá aunar esfuerzos y capacidades en cuestiones relacionadas con minería de datos climáticos e históricos para cálculos de riesgo, o bien la ingeniería de datos satelitales para el seguimiento y análisis de cultivos y los recursos naturales", anticipó Di Bella quien se entusiasma: "Mediante Machine Learning podremos avanzar en aspectos asociados a los pronósticos meteorológicos y con Big Data profundizaremos la modelización de ciertos sistemas de producción".
González Venzano fue categórico: "Lo que tenemos hoy es sólo un borrador de lo que se va a poder construir. El único camino es tomar a la Inteligencia Artificial para ver cómo terminamos integrados a los recursos naturales y no sólo para evaluar cómo potenciar la productividad. Las decisiones van a tomarse por habernos sentido parte de un todo".