Inteligencia artificial para alimentar cultivos

Los diferentes tipos de tierra pasan horas secándose a 38 grados. El objetivo es homogeneizar las muestras.

Alimentarse de forma adecuada es clave para la salud, y la dieta ideal depende del organismo. Podemos estar hablando de usted o de mí, pero también de un cultivo. En ese caso, en vez de algo como un examen de sangre, lo indicado antes de tomar decisiones sobre la nutrición es un análisis de los suelos, que es de donde la planta obtiene su alimento.

Conocer las características de la tierra permite saber qué tiene y qué le falta y, por tanto, qué es lo más adecuado para aplicar, sea químico u orgánico. Sin embargo, el mismo Gobierno ha reconocido que muchos de los agricultores no hacen este estudio, lo que no es sorprendente. Si más de la mitad de los trabajadores del campo tienen dificultades para usar el agua —según el censo agropecuario—, ni hablar de la posibilidad de acceder a un laboratorio.

Lea también: Proyecto colombiano para detectar minas ilegales gana convocatoria de Google 

Para facilitar un poco las cosas, desde hace más de tres años es posible acceder a los servicios de Agrosavia (conocido antes como la Corporación Colombiana de Investigación Agropecuaria, Corpoica) a través de correo: el agricultor toma la muestra de su tierra, la envía por Servientrega o Efecty, el laboratorio la analiza —el servicio cuesta $94.000— y devuelve los resultados con recomendaciones de fertilización hechas por un especialista en la materia.

A pesar de las sofisticadas máquinas del laboratorio, gran parte de ese proceso era manual: el registro de las muestras y resultados, así como la elaboración del plan de fertilización y las recomendaciones. Ahora, con el cada vez más célebre matrimonio entre agricultura y tecnología, a través de la aplicación de inteligencia artificial, la expectativa es que el proceso sea mucho más eficiente.

El sistema detrás es el reconocido Watson de IBM, del que quizá hayan oído hablar por hazañas como haberles ganado a los dos humanos más competitivos en el programa de concurso estadounidense Jeopardy! en 2011.

De la tierra a la inteligencia artificial

En Mosquera (Cundinamarca), está ubicado el centro de investigación Tibaitatá de Agrosavia. Allí, desde 2015 han llegado por correo más de 11.000 muestras de 895 municipios en 31 departamentos del país (el que falta es San Andrés).

Cada ejemplar debe llegar acompañado de los datos del agricultor, el municipio, el cultivo, la profundidad a la que tomó la tierra, entre otros. Desde ese momento entra en un sistema digital y todas esas características quedan ocultas bajo un código, por lo que la información personal de los usuarios está protegida.

La tierra pasa por varias etapas: un secado a 38 grados durante varias horas, un proceso de molienda que la deja reducida a un polvillo que luego pasa a ser pesado y clasificado, para posteriormente entrar en la fase de estudio en el laboratorio. Allí es donde se miden sus características, como la acidez o los niveles de fósforo.

Le puede interesar: Plataforma que integrará todos los portales del Estado ya está disponible en versión beta

Un convenio suscrito con el Ministerio de Tecnologías de la Información y las Comunicaciones (Mintic) en enero del año pasado permitió automatizar el proceso de registro de los resultados de laboratorio, que solía ser manual. Esto le da más eficiencia y trazabilidad. De todas formas, la validación humana sigue presente para corroborar que los exámenes quedaron bien. Si no, las pruebas se mandan a repetir.

Cuando tiene el visto bueno de laboratorio y los ingenieros agrónomos, llega el momento de la inteligencia artificial.

Los más de 10.000 registros que tiene Agrosavia han permitido entrenar a Watson para que sepa qué recomendar en un plan de fertilización dependiendo de las características del cultivo. De nuevo, procesos que solían hacerse uno por uno con base en complejas fórmulas de Excel.

Al final se obtienen recomendaciones y las especificaciones de la dieta: 13 kilogramos de sulfato de zinc por hectárea al momento de sembrar, 85 kilos de úrea por hectárea dos semanas después de que emerja el cultivo, por mencionar un ejemplo. Rafael Pedraza, coordinador de gestión de información de laboratorio de Agrosavia, explica que estos procesos son igualmente adecuados para la producción orgánica.

Según Reinaldo Casas, agricultor en el municipio de Supatá (Cundinamarca), los resultados son sencillos de interpretar. Sin embargo cuenta que finalmente se decidió por los frutales y no por el maíz, cultivo por el que solicitó el examen. Casas, de 57 años, añade que hace alrededor de 15 años realizó un análisis de suelos para pastos. Recuerda que en esa ocasión tuvo que desplazarse hasta Mosquera, por lo que reconoce que el servicio por correo ahora es más conveniente.

Con esto es claro que el servicio debe pedirse entre uno y dos meses antes de iniciar un cultivo: tener los resultados antes de empezar para tomar decisiones informadas. También es cierto que este tipo de prueba no sirve para determinar qué cultivo es más adecuado para un terreno. No es tan sencillo porque, como explica Pedraza, evaluar variables como las facilidades de agua, las vías de acceso, entre otros aspectos, es esencial antes de recomendar que se escoja uno u otro cultivo.

No obstante, es una aplicación posible en el futuro para este sistema, teniendo en cuenta que la Unidad de Planificación Rural Agropecuaria (UPRA) ha trabajado en zonificaciones para determinar áreas potenciales para diferentes tipos de cultivos: básicamente saber dónde es bueno sembrar qué, teniendo en cuenta la complejidad de variables.

Watson actualmente está en capacidad de dar su recomendación para 200 tipos de cultivo. Cada una, de todas formas, pasa por un filtro humano al final. De esa manera, si el agrónomo está en desacuerdo con uno de los resultados, puede modificar la fórmula, de lo que simultáneamente va aprendiendo la inteligencia artificial.

Lea también: Colombiano desarrolla tecnología capaz de interpretar emociones en tiempo real

Giovanni Gómez, subdirector de digitalización sectorial del Mintic, lo explica así: “El primer análisis que se hizo fue con base en unas tablas. En la medida en que se van haciendo más análisis, se nutre la base de datos. El segundo análisis toma como referencia el primero, el tercero toma los dos primeros, y así sucesivamente. Ya vamos en 10.000. Eso significa un trabajo extenso y con base en eso se entrenó el algoritmo, que ahora es complementario para la toma de decisiones”.

La aplicación de esta tecnología en Agrosavia empezó en abril, con el desarrollo de Green Services, y hasta ahora, según Pedraza, ha sido posible evidenciar que, mientras anteriormente un agrónomo podía entregar unos 18 planes de fertilización por día, ahora la cifra puede oscilar entre 40 y 50. La promesa al usuario es que todo el proceso, desde que entrega la tierra, dure 10 días.

En total, el convenio con el Mintic, firmado en enero de 2018 y con una inversión de $950 millones, permitió la automatización de los procesos de registro y comunicación entre las diferentes etapas del proceso, la implementación de inteligencia artificial y el desarrollo de una plataforma para que los agricultores que así lo decidan puedan consultar el resultado del análisis en línea, lo que ahorra papel.

Según el Censo Nacional Agropecuario de 2014, solo en 45 % de las unidades de producción se hacen prácticas para mejorar los suelos. En el 70,2 % de los casos, los productores aplican fertilizantes químicos, mientras en el 46,5 % se utilizan fertilizantes orgánicos. No solo fertilizar sino hacerlo mejor, a través de análisis de suelos, que realizan entidades como universidades y otros laboratorios, puede contribuir a que los cultivos en Colombia no “pasen hambre”, como lo denominan en el gremio de la industria de fertilizantes.

Hacerlo con inteligencia artificial puede hacer más eficiente esta herramienta encaminada a la mejor alimentación de lo que alimentará a los habitantes del campo y de las ciudades. Gómez resalta el hecho de que Watson apenas tiene información de más de 10.000 cultivos, lo que supone un amplio potencial para alimentar el sistema con la información de cientos de miles de otros predios que podrían hacerlo mucho más robusto e “inteligente”.