Para mejorar las condiciones alimentarias mundiales, un equipo formado por el profesor de ciencias de la computación Kristian Kersting se inspiró en la tecnología detrás de Google News.
Casi 800 millones de personas en todo el mundo sufren desnutrición. En el futuro podría haber alrededor de 9,7 mil millones de personas, alrededor de 2,2 mil millones más que en la actualidad. La demanda mundial de alimentos aumentará a medida que el cambio climático deje cada vez más infértiles los suelos. ¿Cómo deberían alimentarse las generaciones futuras?
Kristian Kersting, Profesor de Machine Learning en la Technische Universität Darmstadt, y su equipo ven una posible solución en la aplicación de la inteligencia artificial (IA). Aprendizaje automático, un método especial de IA, podría ser la base de la llamada agricultura de precisión, que podría usarse para lograr mayores rendimientos en áreas de igual o menor tamaño. El proyecto está financiado por el Ministerio Federal de Alimentación y Agricultura. Los socios son el Instituto de Ciencia de Cultivos y Conservación de Recursos (INRES) de la Universidad de Bonn y la empresa Lemnatec, con sede en Aquisgrán.
"En primer lugar, queremos entender cómo se ven los procesos fisiológicos en las plantas cuando sufren estrés, ", dijo Kersting." Se produce estrés, por ejemplo, cuando las plantas no absorben suficiente agua o están infectadas con patógenos. El aprendizaje automático puede ayudarnos a analizar estos procesos con mayor precisión ". Este conocimiento podría usarse para cultivar plantas más resistentes y combatir enfermedades de manera más eficiente.
Los investigadores instalaron una cámara hiperespectral que registra un espectro de onda ancha y proporciona una visión profunda de las plantas. Cuantos más datos disponibles sobre los procesos fisiológicos de una planta durante su ciclo de crecimiento, cuanto mejor sea un software para identificar patrones recurrentes que son responsables del estrés. Sin embargo, demasiados datos pueden ser un problema, ya que los cálculos se vuelven demasiado complejos. Por lo tanto, los investigadores necesitan algoritmos que utilicen solo una parte de los datos para aprender sin sacrificar la precisión.
El equipo de Kersting encontró una solución inteligente:para evaluar los datos, el equipo utilizó un proceso de aprendizaje muy avanzado a partir del procesamiento del lenguaje, que se usa, por ejemplo, en Google News. Allí, Una IA selecciona los artículos relevantes para el lector entre decenas de miles de artículos nuevos todos los días y los clasifica por tema. Esto se hace utilizando modelos de probabilidad en los que todas las palabras de un texto se asignan a un tema específico. El truco de Kersting consistía en tratar las imágenes hiperespectrales de la cámara como si fueran palabras:el software asigna ciertos patrones de imagen a un tema como el estado de estrés de la planta.
Los investigadores están trabajando actualmente en enseñar al software a optimizarse mediante el aprendizaje profundo y a encontrar los patrones que representan el estrés más rápidamente. "Un lugar saludable se puede identificar, por ejemplo, a partir del contenido de clorofila en el proceso de crecimiento de la planta, "dijo Kersting." Cuando ocurre un proceso de secado, el espectro medido cambia significativamente ". La ventaja del aprendizaje automático es que puede reconocer tales signos antes que un experto humano, a medida que el software aprende a prestar atención a más sutilezas.
Se espera que algún día, Las cámaras se pueden instalar a lo largo de filas de plantas en una línea de montaje en el invernadero. permitiendo que el software señale anomalías en cualquier momento. Mediante un intercambio constante con expertos en plantas, el sistema también debe aprender a identificar incluso patógenos desconocidos. "Por último, nuestro objetivo es una asociación significativa entre la inteligencia humana y la artificial, para abordar el creciente problema de la nutrición mundial, "dice Kersting.
